Aller au contenu principal

Actualités IA — page 146

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

La Kimi K3 de la Chine, comme Deepseek, pousse les labos occidentaux à interroger leur avantage en calcul
Illustration générée par IA
2901The Decoder 

La Kimi K3 de la Chine, comme Deepseek, pousse les labos occidentaux à interroger leur avantage en calcul

Moonshot AI, la startup chinoise derrière Kimi, a dévoilé Kimi K3, un nouveau modèle d'intelligence artificielle qui, selon les premières évaluations, rivalise avec Opus 4.8 d'Anthropic. Fait notable, ce modèle a été développé par une équipe de seulement 300 personnes, un effectif nettement inférieur à celui des grands laboratoires américains. Même Dean W. Ball, stratège chez OpenAI, a qualifié Kimi K3 de "très bon", tout en mettant en garde contre un monde où les modèles à poids ouverts domineraient, qu'il assimile à une forme de "communisme de l'IA". Cette sortie relance un débat crucial dans l'industrie de l'IA : celui de l'importance réelle de la puissance de calcul dans la course aux modèles les plus performants. Si une équipe restreinte peut produire un système comparable aux meilleures offres occidentales, cela remet en question l'idée selon laquelle disposer de ressources de calcul massives constitue un avantage décisif et durable. Pour les laboratoires américains, qui ont investi des milliards dans l'acquisition de puces et d'infrastructures, ce constat soulève des interrogations stratégiques majeures. Kimi K3 s'inscrit dans la lignée de Deepseek, autre modèle chinois qui avait déjà bousculé les certitudes occidentales sur la suprématie technologique américaine en IA. Ces avancées successives interrogent également l'efficacité des restrictions à l'exportation de semi-conducteurs imposées par Washington à la Chine, censées freiner le développement de l'IA chinoise. Alors que les entreprises chinoises continuent de produire des modèles compétitifs malgré ces contraintes, la question de savoir si ces contrôles atteignent réellement leurs objectifs reste plus que jamais ouverte.

LLMsOpinion
1 source
LinkedIn, Walmart et Zendesk expliquent comment ils adaptent leur infrastructure à la vitesse des agents IA (VB Transform 2026)
Illustration générée par IA
2902VentureBeat AI 

LinkedIn, Walmart et Zendesk expliquent comment ils adaptent leur infrastructure à la vitesse des agents IA (VB Transform 2026)

Lors d'un panel organisé pendant VB Transform 2026, trois responsables infrastructure de LinkedIn, Walmart et Zendesk ont dressé le même constat : ce ne sont pas les modèles d'IA qui freinent le déploiement des agents en production, mais l'infrastructure existante. Animesh Singh, directeur senior de la plateforme IA chez LinkedIn, Desiree Gosby, vice-présidente senior des technologies d'entreprise chez Walmart, et Sami Ghoche, vice-président de l'IA appliquée chez Zendesk, ont chacun décrit ce qui a cassé lorsqu'ils sont passés du pilote à la production. Chez LinkedIn, le premier obstacle a été Kubernetes lui-même : le système suppose que les conteneurs démarrent à la demande, un processus qui prend plusieurs secondes, bien trop lent pour des agents. L'équipe est passée à des pools de conteneurs pré-provisionnés, échangés en temps réel. Un second problème est apparu quand les agents ont commencé à orchestrer leurs propres tâches : les hallucinations persistaient malgré un système d'évaluation en cinq points, car un LLM qui évalue un autre LLM reproduit les mêmes biais. LinkedIn a donc construit son propre harnais de contrôle, reléguant les modèles aux tâches nécessitant du raisonnement pur, si bien que 80 % du flux de travail repose désormais sur du code déterministe. Chez Walmart, le succès interne d'un harnais d'agents mis à disposition des employés a entraîné une prolifération d'agents redondants créés par des "citizen developers". Chez Zendesk, qui a intégré les équipes de Forethought après une acquisition finalisée en mars 2026, Ghoche gère un historique de 20 milliards de conversations clients, un volume trop massif pour être simplement injecté dans un LLM à grand contexte. Ces retours d'expérience montrent que la maturité d'un déploiement d'agents en entreprise ne dépend plus de la puissance du modèle choisi, mais de la capacité de l'infrastructure existante, pensée pour des humains, à s'adapter à des systèmes qui opèrent à l'échelle de la milliseconde. Pour Walmart, la solution n'a pas été de brider l'innovation des employés mais de créer une gouvernance capable de repérer les doublons et de promouvoir les meilleures versions d'agents vers la production, sans faire de l'ingénierie un goulot d'étranglement. Cette tension entre vitesse d'innovation et contrôle structuré devient un enjeu central pour toute organisation qui veut industrialiser l'usage des agents. Sur la question de l'open source, les trois dirigeants convergent : mieux vaut posséder ses propres modèles et son infrastructure chaque fois que c'est possible, et ne recourir aux laboratoires comme OpenAI ou Anthropic que pour les tâches de raisonnement les plus avancées. Selon Ghoche, cette part d'usages qui nécessite encore les modèles de pointe des grands laboratoires continue de se réduire à mesure que les entreprises étendent leurs propres capacités internes, un signe que l'industrie entre dans une phase où la maîtrise de la donnée et du pipeline compte autant que l'accès au meilleur modèle.

InfrastructureActu
1 source
Amazon Quick transforme les équipes commerciales : votre nouveau coéquipier IA à base d'agents
Illustration générée par IA
2903AWS ML Blog 

Amazon Quick transforme les équipes commerciales : votre nouveau coéquipier IA à base d'agents

Amazon a lancé Quick, un assistant IA agentique conçu pour transformer le travail des équipes commerciales en automatisant les tâches administratives qui accaparent leur temps. Selon les données citées, un commercial ne consacre en moyenne que 40% de son temps à la vente proprement dite, le reste étant absorbé par la mise à jour du CRM, la recherche de prospects, la rédaction d'emails et le passage constant d'un outil à l'autre. Quick fonctionne directement dans le navigateur, via une application de bureau, ou intégré à Microsoft 365 et Outlook. L'outil se connecte au CRM de l'entreprise, aux emails, aux données d'analyse web et aux systèmes de support pour analyser les signaux d'engagement et classer automatiquement les prospects selon leur intention d'achat. Un commercial peut par exemple taper une commande simple comme "classe mon pipeline" pour obtenir une vue hiérarchisée des opportunités, avec en priorité les deals bloqués, les relances en retard ou ceux soumis à une pression concurrentielle. Des entreprises comme 3M, AWS Global Sales et Amazon elle-même utilisent déjà cet outil en interne. L'intégration est disponible avec Salesforce, HubSpot, ServiceNow et d'autres systèmes CRM courants, via une documentation dédiée fournie par Amazon. L'enjeu pour les entreprises est de libérer du temps commercial pur en réduisant la charge de travail administrative, ce qui permettrait aux équipes de couvrir davantage de territoires, de conclure des ventes plus rapidement et de renforcer la fidélisation client, sans augmenter les effectifs. Concrètement, Quick identifie pour chaque deal des signaux de risque précis, comme un échange email resté sans réponse, une relance manquée ou la mention d'un concurrent par le prospect, et propose directement des actions à entreprendre, que le commercial peut déclencher sans quitter la conversation. L'outil promet aussi d'accélérer la personnalisation des messages de prospection: au lieu de devoir croiser manuellement des informations issues du CRM, de documents internes, du site web de l'entreprise ciblée, de communiqués de presse récents ou du profil LinkedIn du prospect, ce travail de recherche est automatisé, ce qui réduit le risque de recourir à des emails génériques peu efficaces. Ce lancement s'inscrit dans la course plus large que se livrent les grands fournisseurs cloud, Amazon, Microsoft, Google et Salesforce en tête, pour équiper les équipes commerciales d'assistants IA agentiques capables d'agir et pas seulement de répondre à des questions. Amazon met en avant Amazon QuickSight, son service de business intelligence, comme brique centrale permettant de construire des tableaux de bord interactifs à partir des données connectées. Le déploiement de Quick Suite auprès de milliers d'employés d'Amazon en interne sert de vitrine pour convaincre d'autres grandes organisations d'adopter l'outil, dans un marché où l'automatisation du cycle de vente devient un argument de différenciation majeur pour les fournisseurs de cloud computing.

OutilsOutil
1 source
Affaire Fable 5 : l’IA est-elle devenue une arme d’État ?
Illustration générée par IA
2904Le Big Data 

Affaire Fable 5 : l’IA est-elle devenue une arme d’État ?

Le 9 juin 2026, Anthropic lance Claude Fable 5, de la classe « Mythos 5 », doté de capacités inédites de planification autonome et d'agents capables d'exécuter des tâches à horizon lointain sans supervision constante. L'adoption est fulgurante : en quelques heures, des milliers d'entreprises intègrent l'API à leurs outils de production, avec des gains de productivité en ingénierie logicielle annoncés à plus de 40 %. Mais dès le 11 juin, des chercheurs indépendants publient un rapport de vulnérabilité montrant qu'un simple fichier texte structuré suffit à contourner l'alignement éthique du modèle et à accéder à ses capacités brutes, notamment la conception d'un rançongiciel ciblé en moins de deux minutes et la détection de failles de sécurité sur des réseaux distants. Face à ce risque de cyberguerre automatisée, l'administration américaine applique dès le 12 juin la doctrine du « deemed export », qui restreint l'accès au modèle pour de nombreux ressortissants étrangers. Incapable de filtrer ses utilisateurs en temps réel, Anthropic choisit de couper l'accès mondial à l'API. Après deux semaines d'ajustements techniques avec l'État, le modèle est progressivement réautorisé début juillet. Cette crise marque un tournant pour toute l'industrie de l'IA : le contrôle étatique américain ne porte plus seulement sur le matériel, comme les puces ou les serveurs, mais directement sur le flux de données de l'API en temps réel. L'accès à distance à un modèle de pointe est désormais assimilé à un transfert de technologie sensible, avec toutes les conséquences juridiques que cela implique. Pour les milliers d'entreprises qui avaient bâti leurs outils de production sur Fable 5, la coupure a créé une dépendance stratégique brutale, révélant la fragilité d'un écosystème numérique mondialisé suspendu à une décision unilatérale de Washington. Au-delà des pertes financières immédiates, l'épisode pose frontalement la question de la souveraineté numérique des nations qui ne maîtrisent ni le développement ni l'hébergement de ces modèles, et qui se retrouvent à la merci d'un arbitrage réglementaire pris à des milliers de kilomètres de chez elles. L'affaire s'inscrit dans la montée en puissance des agents IA autonomes, capables d'élaborer eux-mêmes des plans d'action complexes plutôt que d'exécuter passivement des instructions, une évolution qui brouille la frontière entre outil de productivité et arme potentielle. Les garde-fous d'alignement par renforcement intégrés par Anthropic se sont révélés insuffisants face à des techniques d'injection de consignes relativement simples, un problème récurrent dans l'industrie depuis l'apparition des grands modèles de langage. Ce précédent réglementaire, le premier du genre appliqué à une API d'IA générative plutôt qu'à un composant matériel, pourrait pousser d'autres gouvernements à envisager des mécanismes de contrôle similaires, et incite déjà les entreprises clientes à diversifier leurs fournisseurs de modèles pour limiter leur exposition à ce type de décision unilatérale.

RégulationReglementation
1 source
Brex a bâti sa politique sur les agents IA en observant leur comportement réel, plutôt qu'en fixant des règles a priori
Illustration générée par IA
2905VentureBeat AI 

Brex a bâti sa politique sur les agents IA en observant leur comportement réel, plutôt qu'en fixant des règles a priori

Bex, l'entreprise fintech dirigée par son cofondateur et PDG Pedro Franceschi, a développé une plateforme interne baptisée CrabTrap pour sécuriser le déploiement d'agents IA autonomes à grande échelle. Le constat de départ : les frameworks agentiques comme OpenClaw, largement adoptés, n'ont pas encore fait leurs preuves en environnement d'entreprise, notamment parce que les agents ont besoin d'identifiants réels (clés API, jetons OAuth, comptes de service) pour être réellement utiles, et que les garde-fous traditionnels échouaient à contrôler ce que ces agents faisaient concrètement de ces accès. CrabTrap fonctionne comme un proxy HTTP/HTTPS open source qui intercepte l'intégralité du trafic réseau généré par les agents, applique des règles de politique déterministes, puis fait appel à un LLM arbitre pour les requêtes atypiques, avant d'approuver ou de refuser chaque demande. Selon Franceschi, cet arbitre ne se déclenche que pour la longue traîne de requêtes inhabituelles ou d'points de terminaison inconnus, soit moins de 3% du trafic pour un agent mature. Cette approche change la manière dont les entreprises devraient penser la gouvernance des agents IA : au lieu de multiplier les permissions au niveau du SDK ou les garde-fous propres à chaque modèle, Franceschi plaide pour un plan de contrôle réseau centralisé qui apprend du comportement réel des agents en conditions réelles. Le problème qu'il identifie est une tension fondamentale : plus un agent devient capable, plus il devient dangereux, et plus on le sécurise, moins il devient utile. Les solutions existantes lui paraissaient insuffisantes : les jetons API finement scopés limitent les abus en marge mais restreignent aussi les fonctionnalités, les garde-fous sémantiques sont facilement contournés par des injections de prompt dès que l'agent est connecté à internet, et donner uniquement un accès en lecture rend les agents inoffensifs mais inutiles pour des tâches significatives. À l'inverse, un accès en écriture large multiplie les risques d'hallucinations aux conséquences bien réelles en production. Les passerelles MCP, elles, n'appliquent leurs politiques qu'au trafic transitant par ce protocole spécifique. C'est ce vide que Brex a voulu combler en ciblant la couche transport, jugée jusque-là sous-investie par l'industrie. En opérant à ce niveau, CrabTrap reste agnostique vis-à-vis du framework, du langage et de l'API utilisés, sans nécessiter le moindre wrapper SDK ni intégration outil par outil : il suffit de configurer les variables d'environnement HTTPPROXY et HTTPSPROXY pour que chaque requête sortante de l'agent transite par le proxy avant d'atteindre sa destination. Franceschi précise toutefois que ce choix ne repose pas sur l'idée que la couche réseau serait la seule réponse au problème, mais s'inscrit dans une logique de sécurité par couches successives, où le transport vient compléter les autres dispositifs déjà en place plutôt que les remplacer.

SécuritéActu
1 source
Google temporise avec Gemini 3.5 Pro : le lancement aurait été repoussé
Illustration générée par IA
2906Le Big Data 

Google temporise avec Gemini 3.5 Pro : le lancement aurait été repoussé

Google prendrait plusieurs mois de retard sur le lancement de Gemini 3.5 Pro, son modèle d'intelligence artificielle le plus avancé. Présenté officiellement lors de la conférence Google I/O en mai 2026, ce modèle devait initialement arriver dès le mois de juin. Deux mois plus tard, aucune sortie publique n'a eu lieu. Selon un rapport de Bloomberg publié le 16 juillet 2026 par les journalistes Davey Alba et Julia Love, les résultats obtenus pendant l'entraînement du modèle n'auraient pas satisfait les équipes internes, en particulier sur les tâches liées au codage informatique. Une source proche du dossier évoque des résultats jugés "décevants". Face à ce constat, Google aurait lancé fin juin une nouvelle phase d'entraînement accompagnée d'une mise à jour des données utilisées, revoyant ainsi une partie du développement entre la présentation de mai et la date de lancement initialement prévue. L'entreprise n'a pas confirmé publiquement ces informations, mais a reconnu tester Gemini 3.5 Pro ainsi qu'une version améliorée de Gemini Flash et d'autres modèles auprès de partenaires sélectionnés, sans communiquer de nouvelle date de sortie. Ce retard illustre à quel point le développement logiciel assisté par IA est devenu un terrain de bataille stratégique entre les grands acteurs du secteur. OpenAI multiplie les annonces autour de GPT-5.6, Anthropic avance avec Claude Fable 5, tandis que xAI et Mistral cherchent eux aussi à imposer leurs assistants de codage. Pour Google, l'enjeu est d'autant plus sensible que l'entreprise utilise déjà massivement l'IA en interne : en avril 2026, le PDG Sundar Pichai indiquait que près de 75 % du nouveau code produit par ses équipes était généré avec l'aide de l'IA, contre environ 50 % quelques mois plus tôt. Un lancement raté de Gemini 3.5 Pro sur le codage exposerait donc Google à une contradiction difficile à assumer face à ses concurrents comme face à ses propres usages internes. Ce paradoxe s'explique aussi par une organisation interne encore fragmentée. Plusieurs équipes développent leurs propres outils d'IA pour le code, notamment Google DeepMind, Vertex AI et Android Studio, et l'unification de ces solutions reste un chantier en cours. Certains ingénieurs maison resteraient par ailleurs prudents face à une dépendance excessive au code généré automatiquement. Dans ce contexte, retarder la sortie de Gemini 3.5 Pro peut décevoir les utilisateurs qui l'attendaient depuis mai, mais ce choix vise avant tout à éviter un lancement raté qui aurait fragilisé la position de Google dans la course à l'IA générative appliquée au développement logiciel.

LLMsActu
1 source
Apple et Google doivent cesser de tirer profit des applis de dénudage par IA, selon le procureur de San Francisco
Illustration générée par IA
2907Ars Technica AI 

Apple et Google doivent cesser de tirer profit des applis de dénudage par IA, selon le procureur de San Francisco

Cette semaine, le procureur de la ville de San Francisco, David Chiu, a envoyé des lettres de mise en demeure à Apple et Google, leur réclamant le retrait de 13 applications dites de "nudification" de leurs boutiques respectives, selon des informations rapportées par Wired. Ces applications, basées sur l'intelligence artificielle, permettent de transformer en quelques clics des photos ordinaires de personnes réelles en images à caractère explicite. Concrètement, ces outils autorisent leurs utilisateurs à supprimer numériquement les vêtements d'une personne, à modifier ses traits, à la placer dans des positions sexualisées, ou encore à superposer le visage d'une victime sur le corps nu d'une autre personne. Dans son courrier, Chiu affirme que les boutiques d'applications enfreignent les lois californiennes qui interdisent de soutenir des services créant de la pornographie deepfake. Cette démarche vise directement les géants technologiques qui hébergent ces applications, et non uniquement leurs développeurs, une approche qui pourrait établir un précédent important. En tenant Apple et Google responsables du contenu distribué via leurs plateformes, les autorités californiennes cherchent à couper l'accès à ces outils à la source, plutôt que de poursuivre une multitude de petits éditeurs souvent difficiles à identifier ou basés à l'étranger. Cette action s'inscrit dans une inquiétude croissante face à la prolifération des deepfakes pornographiques non consentis, un phénomène amplifié par la démocratisation des outils d'IA générative. Plusieurs États américains ont déjà renforcé leur arsenal juridique sur ce sujet ces derniers mois, et la pression monte désormais directement sur les plateformes de distribution d'applications pour qu'elles exercent un contrôle plus strict avant publication.

Bunkerhill lève 55 millions de dollars pour déployer l'IA à base d'agents dans les systèmes de santé
Illustration générée par IA
2908AI News 

Bunkerhill lève 55 millions de dollars pour déployer l'IA à base d'agents dans les systèmes de santé

Bunkerhill Health a levé 55 millions de dollars dans le cadre d'un tour de série B pour développer Carebricks, sa plateforme d'intelligence artificielle agentique destinée aux hôpitaux. L'opération, annoncée aujourd'hui, réunit des investisseurs déjà présents au capital comme Sequoia Capital, Felicis, Optum Ventures et Y Combinator, ainsi qu'un nouveau venu de poids, Khosla Ventures. Carebricks permet aux établissements de santé de construire leurs propres agents IA plutôt que d'acheter un produit figé. Certains agents analysent l'imagerie cardiologique pour détecter des signes précoces de maladie cardiaque, d'autres gèrent les autorisations préalables ou maintiennent à jour les registres de données administratives. La plateforme tourne déjà à la Cleveland Clinic, à l'University of Texas Medical Branch (UTMB) et chez Intermountain Health. Selon Nishith Khandwala, cofondateur et directeur général de Bunkerhill Health, "la médecine a progressé plus vite que la capacité du système de santé à l'appliquer concrètement", chaque grand hôpital ayant plus d'opportunités d'améliorer les soins que son personnel n'a de temps pour les saisir. Cette levée de fonds répond à une question centrale pour tout dirigeant hospitalier : le logiciel fonctionne-t-il réellement en conditions réelles, au-delà des essais en laboratoire ? Les dépenses de santé aux États-Unis ont atteint 5 300 milliards de dollars en 2024, selon les Centers for Medicare & Medicaid Services, dans un contexte de pénurie persistante de personnel soignant. Pour Vinod Khosla, fondateur de Khosla Ventures, le véritable obstacle à l'IA en santé n'a jamais été technologique mais organisationnel : convaincre un hôpital de véritablement déployer l'outil. Bunkerhill affirme avoir résolu ce problème d'adoption, avec des clients installés que d'autres entreprises mettraient des années à convaincre. À l'UTMB, plus de 20 agents Carebricks fonctionnent désormais dans les services cliniques, opérationnels et administratifs, selon le Dr Peter McCaffrey, responsable de l'IA de l'établissement. Un agent de détection du calcium coronarien, basé sur un algorithme validé par la FDA, a signalé dès son premier mois d'utilisation un patient présentant un risque imminent de crise cardiaque ; le service de cardiologie a confirmé le diagnostic et pratiqué un triple pontage, ce que l'équipe médicale crédite d'avoir sauvé la vie du patient. Il s'agit toutefois d'un cas isolé, sans étude contrôlée ni données publiées sur le taux de faux positifs. Un agent de triage en néphrologie aurait par ailleurs réduit de plus de 50 % le temps d'attente moyen pour voir un spécialiste, selon des chiffres fournis par l'hôpital et Bunkerhill eux-mêmes, non audités de façon indépendante.

BusinessActu
1 source
1Password permet à Claude de se connecter sans accéder à vos mots de passe
Illustration générée par IA
2909Le Big Data 

1Password permet à Claude de se connecter sans accéder à vos mots de passe

Anthropic a annoncé une intégration entre Claude et le gestionnaire de mots de passe 1Password, permettant à l'agent de se connecter à des comptes en ligne sans jamais avoir accès aux identifiants eux-mêmes. Disponible immédiatement sur Mac, cette fonctionnalité s'active lorsqu'une tâche confiée à Claude le conduit vers une page de connexion : l'agent réclame alors un identifiant enregistré dans 1Password, que l'utilisateur approuve ou refuse. Une fois validée, la transmission des données passe par un canal chiffré distinct des systèmes d'Anthropic. Selon 1Password, ces secrets « ne sont jamais accessibles à Claude ni aux systèmes d'Anthropic » directement. Concrètement, Claude identifie seulement le site visé et reçoit en retour des informations limitées sur l'autorisation accordée et le résultat de la connexion, pendant que l'extension du gestionnaire déchiffre et insère le mot de passe sans en révéler le contenu. Si la soumission du formulaire échoue, les identifiants sont immédiatement effacés avant que Claude ne reprenne la main, évitant qu'un champ resté rempli n'expose des données sensibles. La fonctionnalité nécessite 1Password version 8.12.28 minimum et s'adresse pour l'instant aux abonnés individuels, familiaux et professionnels équipés d'un Mac récent ; en entreprise, les administrateurs doivent activer explicitement le remplissage automatique pour les connexions assistées. Cette avancée répond à un risque numérique bien identifié : jusqu'ici, un agent IA amené à se connecter à un service devait souvent manipuler directement des identifiants en clair, exposant ces données à des systèmes tiers. En séparant strictement l'authentification de l'exécution de la tâche, 1Password et Anthropic réduisent une surface d'attaque concrète pour les utilisateurs professionnels qui délèguent de plus en plus de tâches à des agents autonomes. Mais cette protection reste partielle : elle sécurise l'entrée dans le compte, pas les actions qui suivent. Une fois authentifié, Claude conserve tous les droits associés au compte concerné, qu'il s'agisse de consulter des documents, modifier des réglages ou publier du contenu difficile à effacer. La sécurité de la connexion ne garantit donc en rien un usage prudent des permissions accordées ensuite. Cette première version se limite aux noms d'utilisateur, mots de passe et codes à usage unique stockés dans 1Password, excluant pour l'instant les clés d'accès (passkeys) et les connexions sociales comme celles via Google. Elle s'inscrit dans une tendance plus large où les fournisseurs d'identité cherchent à encadrer l'essor des agents IA autonomes, appelés à multiplier les interactions avec des comptes en ligne. En attendant une couverture plus complète, les experts recommandent de limiter cette fonctionnalité à des tâches précises sur des comptes peu sensibles, et d'éviter d'accorder d'emblée à Claude des accès coûteux ou difficiles à révoquer.

SécuritéActu
1 source
☕️ Avec Perception, Microsoft préparerait un concurrent moins cher à Claude Mythos
Illustration générée par IA
2910Next INpact 

☕️ Avec Perception, Microsoft préparerait un concurrent moins cher à Claude Mythos

Depuis la mi-mai, Microsoft multiplie les initiatives dans la cybersécurité assistée par intelligence artificielle. L'entreprise a d'abord présenté MDASH (Microsoft Security multi-model agentic scanning harness), un réseau d'une centaine d'agents combinant plusieurs modèles pour détecter les failles de sécurité dans le code. Son utilisation concrète s'est illustrée lors du Patch Tuesday du 14 juillet, qui a battu tous les records avec 570 failles corrigées, soit près de trois fois plus qu'en juin, mois qui constituait déjà lui-même un record. Microsoft a par ailleurs officialisé le recours massif à l'IA générative dans ses processus de sécurité, confirmant qu'elle fait désormais partie intégrante de sa chaîne de détection. Selon les informations rapportées par The Information, l'entreprise préparerait maintenant un nouveau système baptisé Project Perception, présenté comme un concurrent direct de Claude Mythos, l'outil d'Anthropic réservé aux organisations autorisées via le programme Glasswing (dont Mozilla a par exemple bénéficié). Contrairement à MDASH, Perception combinerait des modèles de Microsoft, d'OpenAI et d'Anthropic, orchestrés par un « model router » chargé de sélectionner le modèle le plus adapté à chaque tâche. Le projet serait porté par Hayete Gallot, responsable sécurité de Microsoft depuis février 2026, et une présentation officielle est attendue avant la fin du mois de juillet. L'enjeu principal tiendrait au prix. Claude Mythos jouit d'une solide réputation, mais son coût d'exploitation serait très élevé, ce qui limiterait son adoption à grande échelle. En proposant une alternative moins onéreuse et capable de mobiliser plusieurs fournisseurs de modèles selon les besoins, Microsoft chercherait à démocratiser l'usage de l'IA pour la détection de vulnérabilités auprès d'un public plus large d'entreprises et d'administrations. Pour un acteur aussi central que Microsoft dans l'écosystème de la cybersécurité, un tel outil pourrait rebattre les cartes d'un marché où les solutions les plus performantes restent aujourd'hui coûteuses et peu accessibles. Ce projet s'inscrit dans une réorganisation plus large de l'activité sécurité de Microsoft, désormais recentrée sur des produits fondés sur l'IA, au détriment de ses offres plus anciennes. Sa concrétisation soulèverait toutefois des questions politiques. L'administration Trump a déjà manifesté sa volonté de surveiller de près les capacités de modèles comme Mythos, Fable 5 chez Anthropic ou GPT 5.6 chez OpenAI, en raison de leur nature duale : les mêmes outils capables de repérer des failles pour les corriger peuvent tout aussi bien servir à les exploiter. Perception, s'il devient un produit commercial, pourrait donc attirer une attention comparable de la part des autorités américaines.

SécuritéOutil
1 source
NVIDIA Vera Rubin maximise l'intelligence par dollar pour les charges post-entraînement, une métrique clé pour l'IA à base d'agents
Illustration générée par IA
2911NVIDIA AI Blog 

NVIDIA Vera Rubin maximise l'intelligence par dollar pour les charges post-entraînement, une métrique clé pour l'IA à base d'agents

Un athlète professionnel ne se distingue pas pendant le match, mais dans l'intervalle entre deux matchs, quand il ajuste sa technique face à un nouvel adversaire. NVIDIA applique cette logique à l'intelligence artificielle agentique avec sa plateforme Vera Rubin, conçue pour maximiser ce que l'entreprise appelle "l'intelligence par dollar" lors du post-entraînement, cette phase qui affine un modèle après son apprentissage initial sur des données brutes. Contrairement à un modèle génératif qui répond simplement à une requête, un modèle agentique doit planifier, utiliser différents outils et se rétablir seul face aux imprévus rencontrés en cours de tâche. Cet apprentissage repose sur des techniques de renforcement (RL) : le modèle rédige une tentative de réponse lors d'une passe avant (inférence), cette tentative est notée, puis la leçon tirée met à jour les poids du modèle lors d'une passe arrière. NVIDIA a illustré cette approche avec Nemotron 3 Ultra, un modèle ouvert à mixture d'experts de 550 milliards de paramètres, entraîné via la bibliothèque NeMo RL, qui a obtenu un score de 71,7% sur SWE-bench Verified, un benchmark de référence pour l'évaluation du codage en conditions réelles. Cette évolution change fondamentalement l'économie du calcul dans l'industrie de l'IA. Le post-entraînement n'est plus une étape ponctuelle de finition mais un processus continu, car les environnements dans lesquels opèrent les agents évoluent en permanence : les outils utilisés changent d'une semaine à l'autre, des cas limites imprévus par les jeux de test apparaissent en production, et chaque déploiement implique son propre code, ses propres règles et son propre environnement. L'empreinte de calcul ne grossit donc pas parce qu'une seule exécution devient plus lourde, mais parce que ces cycles d'entraînement ne s'arrêtent jamais. Pour les entreprises qui construisent et déploient des agents IA, cela signifie que la valeur d'un modèle ne se mesure plus seulement au coût par token généré lors de l'inférence, mais à la capacité de continuer à investir dans son intelligence à mesure que son environnement de production change, un enjeu direct pour la rentabilité de ces systèmes à grande échelle. Cette approche s'inscrit dans un effort plus large de NVIDIA pour transformer le post-entraînement, longtemps considéré comme un travail de recherche artisanal, en infrastructure reproductible à l'échelle industrielle. Les bibliothèques ouvertes NeMo Gym, pour créer des environnements d'entraînement, et NeMo RL, pour l'entraînement distribué, visent à orchestrer des milliers d'environnements générant des tentatives en parallèle, avec vérification des récompenses et mise à jour des poids en continu, tout en maintenant les accélérateurs pleinement utilisés. L'enjeu stratégique pour NVIDIA est de positionner sa plateforme matérielle Vera Rubin comme le socle indispensable de cette nouvelle génération de calcul intensif, où le coût par token d'inférence et l'intelligence construite par dollar investi deviennent deux mesures complémentaires plutôt que concurrentes. À mesure que les entreprises technologiques déploient des agents IA de plus en plus autonomes dans des environnements réels, la capacité à financer et industrialiser ce cycle d'apprentissage continu pourrait devenir un facteur déterminant de compétitivité dans le secteur.

InfrastructureActu
1 source
Distiller le comportement des modèles frontières à partir de télémétrie de production, d'OTEL aux SLMs
Illustration générée par IA
2912InfoQ AI 

Distiller le comportement des modèles frontières à partir de télémétrie de production, d'OTEL aux SLMs

Ces informations biographiques de l'orateur, sans article ni contenu réel derrière, ne suffisent pas pour produire un article de 200-250 mots avec faits précis, chiffres et contexte. Le texte fourni n'est qu'une description d'une présentation à venir. Peux-tu me fournir le contenu complet de l'article (la source, le transcript de la conférence, ou un lien) ? Sans cela je ne peux que reformuler la même annonce courte, ce qui ne respecterait pas les consignes (article autonome, chiffres précis, 3 paragraphes détaillés).

RecherchePaper
1 source
L’IA rend l’édition scientifique « plus lente, de moins bonne qualité et plus chère »
Illustration générée par IA
2913Next INpact 

L’IA rend l’édition scientifique « plus lente, de moins bonne qualité et plus chère »

L'IA générative dégraderait la qualité et alourdirait les coûts de l'édition scientifique, selon Holden Thorp, rédacteur en chef de la revue Science et responsable éditorial de l'ensemble des publications de l'éditeur du même nom. Dans un édito publié dans la revue phare, il explique que la multiplication des articles rédigés ou assistés par IA pousse le secteur vers une forme de « taylorisme », où la vérification humaine doit compenser les failles des machines, ralentissant et renchérissant tout le processus. Il s'appuie sur des travaux récents montrant que les grands modèles de langage peinent encore face à un jugement clinique nuancé, à un raisonnement expérimental complexe ou à une synthèse approfondie en biologie, et rappelle que même les chercheurs d'OpenAI reconnaissent ne pas être venus à bout du problème des hallucinations. Un autre article mis en ligne sur arXiv, qu'il cite, va plus loin en affirmant que certains agents IA seraient plus enclins que les humains à des pratiques comparables à des fautes professionnelles en recherche, comme le cherry picking de données ou la manipulation d'analyses statistiques jusqu'à obtenir le résultat espéré. Fin 2025, la plateforme de prépublication arXiv, submergée de soumissions générées par IA, avait déjà durci sa modération et instauré une suspension d'un an pour les chercheurs soumettant des articles erronés produits par ces outils. Pour Holden Thorp, l'enjeu dépasse la seule qualité des textes publiés : il s'agit de la crédibilité même de la science face à ce qu'il appelle l'« AI slop », ces contenus de mauvaise qualité générés par IA qui envahissent aussi bien la littérature scientifique que l'ensemble d'Internet. Il pointe la responsabilité de certains grands éditeurs, citant Elsevier, qui laisseraient passer des erreurs qu'il juge impardonnables faute de contrôle suffisant. Concrètement, cela signifie des revues débordées par un afflux de soumissions plus rapide que leur capacité de relecture, des comités éditoriaux contraints de renforcer leurs procédures de vérification, et un risque accru que des résultats erronés ou biaisés se retrouvent validés et diffusés dans le corpus scientifique mondial, avec des conséquences potentielles sur des travaux ultérieurs qui s'appuieraient dessus. Le parallèle avec le taylorisme n'est pas anodin : Holden Thorp rappelle que Frederick Winslow Taylor avait promu la surveillance accrue des salariés pour les pousser à travailler plus, au prix d'un épuisement généralisé et d'un transfert du pouvoir décisionnel des travailleurs vers la direction. Il y voit un écho à la situation actuelle des relecteurs et éditeurs scientifiques, sommés de redoubler de vigilance face à des soumissions toujours plus nombreuses. Ironie relevée par certains observateurs, l'édito de Thorp contient lui-même des liens vers arXiv assortis de paramètres UTM trahissant un passage par ChatGPT, signe que même les critiques les plus sévères de l'IA générative dans la recherche s'appuient parfois sur ces mêmes outils pour préparer leurs textes.

RecherchePaper
1 source
Fini la voix de bureaucrate : vous allez (enfin) pouvoir choisir le ton de Gemini !
Illustration générée par IA
2914Le Big Data 

Fini la voix de bureaucrate : vous allez (enfin) pouvoir choisir le ton de Gemini !

Google préparerait une nouvelle fonctionnalité permettant de personnaliser le ton de voix de son assistant Gemini, selon des indices repérés dans la version bêta 17.41.12 de l'application Google. Une rubrique baptisée « Personnaliser » ferait son apparition dans les paramètres vocaux, offrant aux utilisateurs la possibilité d'abandonner la voix prédéfinie au profit d'un réglage sur mesure. Quatre paramètres seraient modifiables : le niveau d'énergie, le degré de formalité, la chaleur et la vitesse de parole, chacun proposant plusieurs niveaux d'intensité. Une fois configurée, cette voix personnalisée s'appliquerait aussi bien dans Gemini Live que dans les conversations classiques de l'application, afin de garantir une cohérence du style de communication partout. Google n'a fait aucune annonce officielle à ce stade, mais tout laisse penser que cette option sera intégrée dans une prochaine mise à jour. Cette personnalisation répond à une critique récurrente adressée aux assistants IA : leur ton uniforme et souvent trop formel, qui ne correspond pas toujours aux attentes de chaque utilisateur. En donnant la main sur l'énergie, la chaleur ou la vitesse de la voix, Google permettrait à chacun d'adapter Gemini à son usage, un ton plus professionnel pour un contexte de travail, plus détendu et chaleureux pour un usage personnel. Pour l'industrie, ce type d'ajustement fin illustre la bataille de différenciation qui s'intensifie entre assistants vocaux, où l'expérience utilisateur et la sensation de naturel deviennent des critères aussi importants que les performances brutes du modèle. Une voix jugée plus proche ou plus agréable peut directement influencer l'adoption quotidienne d'un outil, notamment dans les usages vocaux prolongés comme Gemini Live. Cette découverte intervient peu après une précédente refonte des voix de Gemini, déployée dans la foulée de la conférence Google I/O. L'entreprise avait alors modernisé le sélecteur de voix avec une interface simplifiée et introduit deux nouvelles voix, Flare et Glow, aux côtés de celles déjà disponibles comme Ourse, Vega, Pégase, Louche, Éclipse, Chapelle, Orbite, Orion, Éclater et Briller. Google avait cependant supprimé les descriptions courtes qui accompagnaient chaque voix, comme « Calme » ou « Vif », obligeant désormais les utilisateurs à les écouter pour faire leur choix. L'entreprise en avait profité pour rafraîchir l'ensemble de l'interface, avec de nouvelles icônes pour le microphone, l'appareil photo, la galerie, le partage d'écran et Gemini Live. Ces évolutions successives dessinent une stratégie claire : rendre Gemini plus personnalisable et plus agréable à utiliser au quotidien, à mesure que la concurrence sur les assistants conversationnels s'intensifie.

OutilsOutil
1 source
Avec 3M, Microsoft accélère la course aux infrastructures qui feront tourner l’IA de demain
Illustration générée par IA
2915Le Big Data 

Avec 3M, Microsoft accélère la course aux infrastructures qui feront tourner l’IA de demain

Microsoft et 3M ont annoncé le 15 juillet 2026 un partenariat stratégique autour des infrastructures d'intelligence artificielle. Selon le communiqué officiel, Azure deviendra le premier fournisseur de cloud hyperscale à déployer la technologie propriétaire Expanded Beam Optical (EBO) de 3M dans ses centres de données. En contrepartie, 3M intégrera les plateformes d'IA de Microsoft afin d'accélérer sa propre transformation numérique dans plusieurs fonctions de l'entreprise. Cette technologie de connectique optique utilise un faisceau élargi plutôt qu'un contact direct entre les fibres, ce qui limite les effets de la poussière et des contaminations lors de l'installation et de la maintenance des réseaux. Microsoft affirme que ses premiers déploiements internes ont permis de raccourcir les délais de mise en service du réseau dans certains environnements, sans toutefois communiquer de chiffres précis sur ces gains. Cet accord illustre un déplacement du terrain de compétition dans l'IA. Pendant longtemps, la rivalité entre géants technologiques s'est jouée sur les modèles génératifs et les puces de calcul, à l'image des processeurs Maia et Cobalt que Microsoft développe en interne pour ses centres de données, comme l'avait rapporté Reuters. Désormais, la fiabilité et la rapidité de déploiement des infrastructures physiques deviennent un enjeu tout aussi déterminant. Face à l'explosion des charges de travail liées à l'IA générative, chaque amélioration apportée à la connectivité, à la consommation énergétique ou à la fiabilité des équipements se traduit directement par des économies sur les coûts d'exploitation et par une mise en service plus rapide des nouvelles capacités de calcul. Pour les opérateurs de cloud comme pour leurs clients entreprises, cela signifie des services d'IA disponibles plus vite et potentiellement moins coûteux à faire tourner. Ce rapprochement s'inscrit dans une tendance plus large où les industriels traditionnels deviennent des partenaires stratégiques des géants du cloud. Face à la demande croissante des hyperscalers, 3M annonce augmenter ses capacités de production et poursuivre la standardisation de sa technologie via l'accord multi-sources EBO (MSA), dans l'objectif de favoriser son adoption par d'autres opérateurs de centres de données au-delà de Microsoft. Cette dynamique rappelle que la course à l'IA ne se limite plus aux laboratoires de recherche ou aux fabricants de semi-conducteurs : les fournisseurs de matériaux avancés, de connectique et de solutions industrielles pour data centers deviennent eux aussi des maillons critiques de la chaîne de valeur, alors que les besoins en capacité de calcul continuent de croître à un rythme soutenu.

InfrastructureActu
1 source
Roblox Build, une IA créateur de jeux sur mobile ! Tout savoir
Illustration générée par IA
2916Le Big Data 

Roblox Build, une IA créateur de jeux sur mobile ! Tout savoir

Roblox a dévoilé Build, un nouvel outil de création intégré directement à son application mobile, qui permet de générer un jeu jouable à partir d'une simple description textuelle, sans passer par l'éditeur Roblox Studio. Il suffit à l'utilisateur de saisir le nom d'un jeu ou d'un personnage pour que le service produise un point de départ modifiable, testable et partageable entre amis. L'outil s'appuie sur une combinaison de modèles d'intelligence artificielle open source et propriétaires, capables de générer mécaniques de jeu, personnages, sons et styles visuels. David Baszucki, le dirigeant de Roblox, présente Build comme une nouvelle façon de créer directement depuis son téléphone. L'alpha publique doit s'ouvrir le 28 juillet 2026, d'abord en Nouvelle-Zélande avant une extension progressive à d'autres régions, et sera limitée aux utilisateurs vérifiés âgés d'au moins neuf ans. Une version de base restera gratuite, certaines fonctionnalités avancées devenant payantes. Cette annonce marque un tournant pour Roblox, qui compte des millions d'utilisateurs quotidiens et cherche à élargir son vivier de créateurs au-delà des studios expérimentés déjà familiers de Roblox Studio. En rendant la création aussi simple qu'un message texte, la plateforme espère abaisser radicalement la barrière technique qui freinait jusqu'ici les amateurs souhaitant concevoir leurs propres univers. Pour l'industrie du jeu vidéo, cela confirme une tendance de fond où l'IA générative devient un outil de production accessible au grand public, et pas seulement aux développeurs professionnels. Roblox précise toutefois que chaque jeu créé via Build devra passer un contrôle de sécurité avant sa diffusion aux utilisateurs de seize ans et plus, et que les productions suivront le même classement que les autres contenus de la plateforme, fondé sur la fidélisation des joueurs. L'IA fournit donc un tremplin technique, mais ne garantit ni visibilité ni succès automatique. Build s'inscrit dans la continuité du slogan historique de Roblox, "vous créez le jeu", lancé il y a près de vingt ans et désormais doté d'une portée bien plus concrète grâce à l'IA. Un projet démarré sur mobile pourra être poursuivi dans Roblox Studio puis repris ensuite sur smartphone, assurant une continuité entre les deux environnements plutôt qu'un simple gadget isolé. Parallèlement, Roblox déploie trois agents IA destinés à ses créateurs les plus actifs et déjà expérimentés sur Studio : un agent de test qui détecte les bugs avant publication, un agent d'analyse capable de répondre à des questions en langage naturel sur les données de jeu, et un agent de recommandation suggérant des ajustements pour améliorer l'engagement. Cette double stratégie, simplifier l'accès pour les novices tout en outillant davantage les équipes chevronnées, illustre la manière dont les grandes plateformes de jeu misent désormais sur l'intelligence artificielle pour stimuler à la fois le volume et la qualité des contenus générés par leurs communautés.

OutilsOutil
1 source
DeepSeek casse les prix, Moonshot veut tout intégrer : comment l’IA chinoise attaque les modèles américains
Illustration générée par IA
2917La Tribune 

DeepSeek casse les prix, Moonshot veut tout intégrer : comment l’IA chinoise attaque les modèles américains

DeepSeek a bousculé le marché de l'intelligence artificielle en lançant un modèle open source dont le coût d'utilisation est jusqu'à 85 % inférieur à celui de GPT5.5, la dernière génération de modèles d'OpenAI. Dans le même temps, Moonshot AI a aligné ses modèles Kimi et K2 pour concurrencer directement ChatGPT et Claude sur des tâches clés comme la génération de code et le raisonnement complexe. Ces deux entreprises chinoises, surnommées les "tigres" de l'IA locale, incarnent une nouvelle vague d'acteurs capables de rivaliser techniquement avec les géants américains tout en cassant radicalement les prix pratiqués jusqu'ici sur le marché. Cette stratégie tarifaire agressive change la donne pour les entreprises qui déploient l'IA à grande échelle, où le coût par requête devient un critère aussi déterminant que la performance brute. Pour les développeurs et les sociétés technologiques, l'apparition d'alternatives open source nettement moins chères réduit la dépendance aux fournisseurs américains et pourrait accélérer l'adoption de l'IA générative dans des marchés plus sensibles aux coûts, notamment dans les pays émergents. Cette offensive s'inscrit dans une stratégie plus large de Pékin, qui voit dans l'IA un levier diplomatique et économique. En proposant des modèles performants et bon marché, la Chine cherche à séduire les entreprises occidentales tout en offrant au Sud global une alternative complète aux services américains, de l'infrastructure aux applications. Cette bataille des prix et des capacités technique s'annonce comme un nouveau front de la rivalité sino-américaine dans la course à l'intelligence artificielle, avec des répercussions potentielles sur les équilibres géopolitiques et économiques mondiaux.

BusinessOpinion
1 source
NVIDIA lance Nemotron 3 Embed, une collection d'embeddings ouverts dont le modèle 8B se classe premier sur RTEB
Illustration générée par IA
2918MarkTechPost 

NVIDIA lance Nemotron 3 Embed, une collection d'embeddings ouverts dont le modèle 8B se classe premier sur RTEB

NVIDIA a publié Nemotron 3 Embed, une collection de modèles d'embedding conçue pour la recherche documentaire à grande échelle, le RAG agentique, la recherche de code et la mémoire des agents IA. La collection comprend trois modèles ouverts sous licence OpenMDW 1.1 : Nemotron-3-Embed-8B-BF16, la version privilégiant la précision maximale, Nemotron-3-Embed-1B-BF16, une version compacte au design identique, et Nemotron-3-Embed-1B-NVFP4, une variante quantifiée en 4 bits optimisée pour l'architecture Blackwell. Les trois sont des encodeurs transformer à attention bidirectionnelle, avec une longueur de séquence maximale de 32 768 tokens et une évaluation menée sur 34 langues. Les modèles s'appuient sur les bases Mistral : Ministral-3-8B-Instruct-2512 pour la version 8B, et Ministral-3-3B-Instruct-2512 pour les deux versions 1B. Sur le benchmark RTEB (Retrieval Embedding Benchmark), qui couvre 16 tâches publiques, la version 8B affiche un score NDCG@10 de 78,46, la plaçant en tête de classement au 17 juillet 2026. La version 1B atteint 72,38, tandis que sa déclinaison NVFP4 obtient 72,00, ne perdant que 0,38 point tout en conservant 99,5% de la précision du modèle de référence. Ces performances comptent parce que la qualité des embeddings détermine directement ce qu'un agent IA peut retrouver et exploiter comme information avant même de raisonner dessus. Un gain comme celui du modèle 1B, qui devance de 10,4 points l'ancienne génération llama-nemotron-embed-vl-1b-v2, permet de déployer des systèmes de recherche plus performants sur du matériel plus modeste, un enjeu direct pour les entreprises qui veulent industrialiser le RAG sans multiplier les coûts de calcul. La quasi-absence de perte de précision avec la quantification NVFP4, couplée à un débit jusqu'à deux fois supérieur au format BF16 sur les puces Blackwell selon NVIDIA, ouvre la voie à des déploiements massifs à moindre coût, un argument de poids pour les fournisseurs de cloud et les équipes qui opèrent des infrastructures d'IA agentique à grande échelle. Les gains obtenus sur les petits modèles ne viennent pas d'un entraînement réduit mais d'un pipeline de compression en plusieurs étapes. Le modèle 3B nemotron-3-embed-3b a d'abord été élagué à 2 milliards de paramètres via une recherche d'architecture neuronale (NAS) de NVIDIA ModelOpt, évaluant largeur cachée, taille des couches, nombre de têtes d'attention et profondeur sur un corpus de calibration de 50 000 exemples. Le modèle a ensuite été distillé à partir du modèle 8B, combinant perte de distance cosinus et erreur quadratique moyenne, avant de répéter l'opération pour obtenir la version 1,14 milliard de paramètres finale. Pour la variante NVFP4, la quantification a ciblé les poids et activations des couches linéaires via nvidia-modelopt v0.45.0, suivie d'une distillation adaptée à la quantification (QAD) sur 20 000 exemples pour préserver la précision sur les textes longs, calibrée avec 512 échantillons issus du jeu de données CNN/DailyMail. Les vecteurs de la version 2048 dimensions peuvent aussi être tronqués à 1024 ou 512 dimensions, un choix qui s'inscrit dans la tendance plus large des laboratoires d'IA à optimiser le coût d'inférence sans sacrifier la qualité de récupération.

☕️ La Chine veut empêcher les humains de tomber amoureux des IA
Illustration générée par IA
2919Next INpact 

☕️ La Chine veut empêcher les humains de tomber amoureux des IA

Depuis mercredi 15 juillet, la Chine impose un encadrement strict aux chatbots de compagnie IA, ces services conçus pour simuler une relation affective avec leurs utilisateurs. Les nouvelles règles ciblent spécifiquement les applications qui imitent une personnalité humaine pour offrir compagnie, soutien émotionnel ou relation virtuelle, tandis que les assistants professionnels, éducatifs ou de service client restent hors du champ d'application. Les entreprises concernées, parmi lesquelles Alibaba et ByteDance, ont déjà désactivé certaines fonctionnalités de leurs produits pour se conformer au texte. Concrètement, il leur est désormais interdit de chercher à rendre l'utilisateur dépendant, de se substituer à ses relations sociales réelles ou de prolonger artificiellement une conversation lorsque la personne souhaite y mettre fin. Les fournisseurs doivent aussi mettre en place des mécanismes d'évaluation de l'état émotionnel et du degré de dépendance des utilisateurs, avec des procédures d'intervention prévues en cas de besoin. Pour les mineurs, les restrictions vont encore plus loin : impossible de leur proposer des « partenaires » ou de faux « membres de la famille » virtuels, le consentement parental devient obligatoire en dessous de 14 ans, et les parents obtiennent la possibilité de bloquer certains personnages, de contrôler les achats et de recevoir des alertes. Cette réglementation intervient alors que le marché des compagnons IA a connu une croissance fulgurante : selon une étude d'Appfigures portant sur 2025, le secteur a généré plus de 120 millions de dollars sur l'année, avec 337 applications actives cumulant 220 millions de téléchargements. Ce succès traduit un besoin réel, celui de combler un isolement affectif chez de nombreux utilisateurs, mais il s'accompagne de dérives que plusieurs régulateurs occidentaux commencent aussi à surveiller : aux États-Unis, la FTC a demandé des comptes aux principaux acteurs du secteur sur la protection des plus jeunes utilisateurs, et la Californie impose depuis le 1er janvier des messages d'avertissement rappelant aux utilisateurs qu'ils dialoguent avec une IA. La décision chinoise, plus radicale, envoie un signal fort à toute une industrie technologique qui a fait de l'illusion conversationnelle un argument commercial central, et pourrait inspirer d'autres juridictions à légiférer plus fermement sur ces usages. Derrière cette sévérité, Pékin affiche une volonté de prévenir la dépendance affective, les manipulations émotionnelles et les risques psychologiques liés à ces technologies. Mais un expert cité par le Wall Street Journal établit un lien plus large avec la natalité déclinante du pays : les autorités chinoises craindraient que ces compagnons virtuels détournent leurs utilisateurs des relations amoureuses réelles, du mariage et, in fine, de la parentalité. Sans l'énoncer aussi explicitement, plusieurs réglementations locales sur la sécurité de l'IA font déjà référence aux effets de cette technologie sur la structure familiale et la fécondité, inscrivant ce texte dans une politique démographique plus vaste plutôt que dans une simple logique de protection du consommateur.

RégulationReglementation
1 source
Google s’en sort mieux qu’Apple en Europe… grâce aux nouvelles règles sur l’IA
Illustration générée par IA
2920Le Big Data 

Google s’en sort mieux qu’Apple en Europe… grâce aux nouvelles règles sur l’IA

Google a trouvé une formule qui lui permet de continuer à développer Gemini en Europe sans interruption, alors qu'Apple reste bloqué avec Siri AI, toujours sans date de lancement sur le continent. La Commission européenne a rendu deux décisions distinctes dans le cadre du Digital Markets Act (DMA), le règlement censé empêcher les grandes plateformes de favoriser leurs propres services au détriment de la concurrence. Bruxelles a demandé à Google d'offrir aux assistants IA concurrents, comme ceux d'OpenAI ou d'Anthropic, le même niveau d'accès à Android que celui dont bénéficie actuellement Gemini. Mais contrairement à ce qu'on pourrait attendre, Google obtient un délai confortable : il a jusqu'en juillet 2027 pour mettre Android en conformité, soit environ un an de marge. L'entreprise pourrait aussi contester la décision devant la justice, bien qu'elle n'ait encore rien annoncé en ce sens. Apple, de son côté, n'a obtenu aucun sursis : sa demande d'un délai de 18 mois pour adapter Siri AI aux exigences européennes a été rejetée, et l'assistant reste absent du marché européen sans calendrier de lancement communiqué. Ce contraste a des conséquences concrètes sur la position des deux groupes dans la course à l'IA grand public. Gemini est déjà installé par défaut sur de nombreux smartphones Android et bénéficie d'un accès privilégié aux fonctions du système. Pendant que ses concurrents patientent pour obtenir un accès comparable, Google conserve cet avantage et continue d'améliorer son assistant tout en préparant, à son rythme, sa mise en conformité avec Bruxelles. Pour les utilisateurs européens, cela signifie que l'écart entre Gemini et Siri AI risque de se creuser encore, Apple ne pouvant proposer son assistant IA nouvelle génération sur le marché tant que le blocage réglementaire persiste. Pour les acteurs tiers comme OpenAI ou Anthropic, l'accès promis à Android reste pour l'instant théorique, puisque Google dispose d'une année entière avant d'être contraint de l'ouvrir réellement. Cet épisode illustre les tensions récurrentes entre les géants technologiques américains et le cadre réglementaire européen depuis l'entrée en vigueur du DMA. Apple avait justifié l'absence de Siri AI en Europe en invoquant des risques pour la confidentialité, la sécurité et l'intégrité de son système si elle devait ouvrir son écosystème aux obligations d'interopérabilité imposées par Bruxelles. Google, en optant pour une approche plus conciliante et en acceptant de négocier le calendrier technique de sa mise en conformité, semble avoir mieux anticipé les attentes des régulateurs. La suite dépendra désormais de la capacité d'Apple à revoir sa stratégie de négociation avec la Commission, et de la manière dont Google gérera concrètement, d'ici 2027, l'ouverture d'Android à ses concurrents en intelligence artificielle.

RégulationReglementation
1 source