Actualités IA — page 166

7 552 articles au fil, du plus récent au plus ancien.

42

3301The Decoder 

Andrej Karpathy choisit Anthropic plutôt qu'OpenAI pour reprendre ses recherches sur les LLM de pointe

Andrej Karpathy, l'un des chercheurs les plus influents dans le domaine de l'intelligence artificielle, rejoint Anthropic. Ancien membre fondateur d'OpenAI et architecte du système Autopilot chez Tesla, il a annoncé son arrivée avec l'intention explicite de reprendre des travaux de recherche et développement sur les grands modèles de langage. Il qualifie lui-même les prochaines années à la frontière des LLM de "particulièrement formatrices", signalant une conviction forte sur l'importance de ce moment dans l'évolution de l'IA. Le fait qu'il ait choisi Anthropic plutôt que de retourner chez OpenAI, son ancienne maison intellectuelle, constitue un signal difficile à ignorer pour l'industrie. Ce choix illustre la capacité croissante d'Anthropic à attirer des talents de toute première ligne, dans un secteur où la compétition pour les chercheurs de haut niveau est aussi intense que celle entre les modèles eux-mêmes. Pour OpenAI, perdre Karpathy au profit d'un concurrent direct représente bien plus qu'une absence : c'est un manque symbolique et stratégique dans la course à la légitimité scientifique. Karpathy avait quitté OpenAI en 2023 après un retour de deux ans depuis Tesla, où il avait dirigé la vision par ordinateur. Figure pédagogique majeure, il est l'auteur de la série de cours "Neural Networks: Zero to Hero", suivie par des millions de personnes à travers le monde. Son arrivée chez Anthropic s'inscrit dans un contexte de rivalité accrue entre les principaux laboratoires, alors que la prochaine génération de modèles fondationnels se joue maintenant.

Business❧Opinion

1 source

42

3302AWS ML Blog 

Agent vocal scalable avec Amazon Nova Sonic : multi-agents, outils et segmentation de session

Amazon a présenté une série de patrons architecturaux pour concevoir des agents vocaux scalables, s'appuyant sur trois composants clés : Amazon Nova Sonic, Amazon Bedrock AgentCore Runtime et le framework open source Strands Agents. Nova Sonic est un modèle de fondation capable de conduire des conversations vocales naturelles en temps réel, avec compréhension du ton et du flux conversationnel. AgentCore Runtime constitue un environnement d'hébergement serverless pour agents IA : on y déploie un agent comme contenaire, et la plateforme gère automatiquement la mise à l'échelle, l'isolation de sessions via microVM, la facturation et le streaming WebSocket bidirectionnel authentifié. Strands Agents, via sa classe BidiAgent, sert de couche d'intégration qui simplifie la gestion du cycle de vie du flux audio et le routage des appels d'outils. Trois patrons d'intégration sont détaillés pour répondre aux défis concrets des équipes : latence élevée, coordination multi-agents et gestion de l'audio en temps réel. Le premier patron, AgentCore Gateway, expose la logique métier existante comme des outils discrets appelables directement par Nova Sonic, sans couche de raisonnement intermédiaire, ce qui minimise la latence. Un exemple concret : quand un utilisateur demande son solde bancaire, le modèle sélectionne l'outil approprié, passe les paramètres et restitue le résultat vocalement en quelques centaines de millisecondes. Le deuxième patron, l'agent-as-tool ou sous-agent, permet de composer plusieurs agents spécialisés, chacun encapsulant un domaine métier distinct, l'agent principal les invoquant comme de simples fonctions. Le troisième patron, la segmentation de sessions, isole les prompts, la mémoire et les permissions selon le contexte, renforçant les frontières de sécurité tout en permettant la réutilisation des composants. Ces annonces s'inscrivent dans une tendance de fond : le passage des assistants vocaux monolithiques vers des architectures composables, où des agents légers et spécialisés collaborent plutôt qu'un seul modèle omniscient tente de tout gérer. Amazon s'aligne ici sur le protocole MCP (Model Context Protocol), standard open source en cours d'adoption dans l'industrie pour l'interopérabilité des outils d'agents. AgentCore Gateway agit comme hôte managé de serveurs MCP, identifiés par des ARN AWS. L'enjeu commercial est direct : les entreprises déployant des centres de contacts ou des assistants vocaux à grande échelle cherchent à réduire le temps avant le premier audio (time-to-first-audio) tout en maintenant fiabilité et conformité. AWS positionne ainsi Bedrock comme socle d'infrastructure pour la prochaine génération d'expériences vocales IA en production.

Outils⚒Outil

1 source

38

3303AWS ML Blog 

Étendre la mémoire conversationnelle de Kiro CLI avec Amazon Bedrock AgentCore Memory

Amazon Web Services a présenté une solution pour doter Kiro CLI d'une mémoire conversationnelle persistante entre les sessions, en s'appuyant sur Amazon Bedrock AgentCore Memory. Kiro CLI est l'interface en ligne de commande qui permet aux développeurs d'interagir directement depuis leur terminal avec les agents IA de Kiro, l'IDE agentique d'AWS. Le problème résolu est concret : chaque nouvelle session repart de zéro, forçant le développeur à réexpliquer le contexte de son projet, ses préférences et ses conventions à chaque démarrage. La solution repose sur un serveur MCP (Model Context Protocol) personnalisé, open source et disponible sur GitHub, qui fait le pont entre Kiro CLI et le service managé Bedrock AgentCore Memory. Ce serveur expose trois catégories d'outils : des outils conversationnels pour stocker et retrouver l'historique par sujet ou période, des outils de supervision pour consulter les statistiques d'utilisation mémoire, et des outils d'administration pour supprimer des sessions ou des données ciblées. La récupération du contexte repose sur une stratégie à deux niveaux : une recherche sémantique via l'API retrievememoryrecords d'AgentCore Memory, avec repli automatique sur une correspondance directe dans les contenus bruts si le premier niveau n'a pas encore terminé son indexation. L'impact pour les équipes de développement travaillant sur des bases de code volumineuses est direct. Un développeur qui revient sur un projet après plusieurs jours n'a plus besoin de réexpliquer l'architecture, les contraintes métier ou ses préférences de style à l'agent IA : celui-ci retrouve automatiquement les sessions précédentes, identifiables par des formulations naturelles comme "hier soir" ou "la semaine dernière". Cette continuité de contexte réduit la friction cognitive et le temps perdu en répétition, deux freins majeurs à l'adoption productive des outils IA dans les workflows de développement au quotidien. Amazon Bedrock AgentCore Memory est un service entièrement managé lancé par AWS pour répondre à un besoin croissant dans l'écosystème des agents IA : la persistance de la mémoire à long terme. Jusqu'ici, les agents IA des IDEs et des outils de développement souffraient d'une amnésie structurelle entre les sessions, limitant leur utilité réelle sur des projets complexes et de longue durée. Le Model Context Protocol, standardisé par Anthropic, est devenu le mécanisme central d'extensibilité pour les agents IA, permettant à des services tiers d'exposer des capacités via une interface unifiée. AWS positionne ainsi AgentCore Memory comme une brique d'infrastructure réutilisable pour tout éditeur souhaitant ajouter de la mémoire à ses propres agents MCP-compatibles. La mise à disposition du code source en exemple sur GitHub signale une volonté d'adoption large, au-delà de Kiro, vers l'ensemble des clients AWS qui construisent des outils agentiques sur Bedrock.

Outils⚒Outil

1 source

39

3304AWS ML Blog 

Amazon SageMaker Feature Store accélère les pipelines ML avec de nouvelles fonctionnalités

Amazon Web Services a annoncé le 16 avril 2026 trois nouvelles fonctionnalités pour SageMaker Feature Store, son dépôt managé dédié au stockage et au partage de features pour les modèles de machine learning. Ces nouveautés sont disponibles dès la version 3.8.0 du SDK Python SageMaker. La première est une intégration native avec AWS Lake Formation, qui permet d'appliquer automatiquement des contrôles d'accès granulaires, au niveau colonne, ligne et cellule, dès la création d'un groupe de features, sans configuration manuelle préalable. La deuxième porte sur la gestion du cycle de vie des métadonnées Apache Iceberg, avec de nouveaux paramètres pour contrôler la rétention des snapshots et éviter l'accumulation de fichiers. La troisième est la modernisation du SDK lui-même : architecture modulaire, performances améliorées, suppression des dépendances lourdes comme PyTorch, pour une installation plus rapide dans des environnements plus légers. Ces changements répondent à deux problèmes opérationnels concrets que rencontrent les équipes ML en production. Sur la question des coûts d'abord : une équipe d'analytique retail citée par AWS a accumulé plus de 50 téraoctets de fichiers de métadonnées Iceberg en moins d'un an sur Amazon S3, générant des frais inattendus et substantiels. Les nouvelles propriétés de table permettent de définir des politiques de rétention directement à la création du groupe de features, ou de les appliquer rétroactivement sur des groupes existants. Sur la question des accès ensuite : les équipes infrastructure réclamaient un contrôle des permissions qui s'active automatiquement, sans passer par des configurations répétitives après coup. L'intégration Lake Formation répond précisément à cela, en vérifiant l'existence d'au moins un Data Lake Administrator dans le compte avant d'activer le contrôle d'accès. SageMaker Feature Store existe depuis 2020 comme composant central de la plateforme ML d'AWS, permettant de stocker des features calculées une fois et de les réutiliser à travers plusieurs modèles et équipes. L'adoption du format Apache Iceberg pour le stockage offline avait apporté des gains en termes de requêtes et de versioning, mais avait aussi introduit ce problème de prolifération de métadonnées qui n'était pas anticipé à grande échelle. La prise en charge complète dans le SDK v3, qui inclut la gestion du cycle de vie des groupes, les opérations sur les enregistrements, et l'ingestion depuis Pandas et Spark, signale qu'AWS consolide son infrastructure ML autour de cette version modernisée. Pour les équipes qui font tourner des pipelines de features en production à haute fréquence, ces ajustements peuvent représenter des économies significatives et une réduction de la friction opérationnelle.

Outils⚡Actu

1 source

43

3305AWS ML Blog 

Amazon Bedrock : mise en oeuvre des appels d'outils par programmation

Amazon Bedrock propose désormais une approche appelée "Programmatic Tool Calling" (PTC), qui change fondamentalement la manière dont les grands modèles de langage interagissent avec des outils externes. Dans le schéma traditionnel, chaque appel d'outil nécessite un aller-retour complet vers le modèle : celui-ci formule un appel, reçoit le résultat, raisonne, formule le suivant, et ainsi de suite. Avec le PTC, le modèle n'est sollicité qu'une seule fois pour générer un bloc de code Python qui orchestre l'ensemble des appels d'outils. Ce code s'exécute dans un environnement bac à sable isolé, peut enchaîner des appels en parallèle grâce à asyncio, filtrer et agréger les données, et ne renvoie au modèle que le résultat final traité. Amazon Bedrock offre trois chemins d'implémentation : un sandbox Docker auto-hébergé sur ECS pour un contrôle maximal, une solution gérée via Amazon Bedrock AgentCore Code Interpreter, et un proxy compatible avec le SDK Anthropic pour les équipes habituées à cette interface. L'impact concret de cette approche est considérable en termes de latence, de coût et de précision. Prenons un exemple typique : "Quels membres de l'équipe ingénierie ont dépassé leur budget de déplacements au T3 ?" En mode traditionnel, le modèle effectuerait d'abord un appel pour obtenir la liste des 20 membres, puis 20 appels individuels pour récupérer leurs notes de frais, soit au moins 20 cycles d'inférence complets et plus de 2 000 lignes de données dans la fenêtre de contexte. Avec le PTC, un seul cycle d'inférence génère le code qui récupère tout en parallèle, filtre les dépenses de voyage approuvées, compare aux budgets individuels, et retourne uniquement la liste des personnes concernées. Les économies de tokens et de temps sont proportionnelles à la complexité du workflow. Ce paradigme émerge dans un contexte où les agents IA sont de plus en plus utilisés pour des tâches analytiques complexes, et où les coûts d'inférence restent un frein réel au déploiement à grande échelle. Le PTC n'est pas une innovation propre à AWS : le pattern sous-jacent, générer du code exécutable plutôt que d'orchestrer des appels séquentiels, est indépendant du fournisseur et commence à se diffuser chez plusieurs acteurs. Anthropic l'intègre déjà dans son propre SDK. Les cas d'usage privilégiés incluent le traitement de grands volumes de données, les calculs numériques précis, l'orchestration de processus multi-étapes, et les scénarios où la confidentialité des données brutes impose de ne pas les faire transiter par le contexte du modèle. La prochaine étape probable est la standardisation de ce pattern dans les frameworks d'agents comme LangChain ou LlamaIndex.

Outils⚒Outil

1 source

46

3306Le Big Data 

Robot Unitree G1 : maintenant, il suffit de lui parler pour qu’il agisse

Le robot humanoïde G1 du fabricant chinois Unitree Robotics vient de franchir une nouvelle étape lors d'une démonstration publiée le 19 mai 2026 : l'engin réagit désormais à des commandes vocales en temps réel, générant ses mouvements de manière autonome grâce à une intelligence artificielle embarquée directement sur la machine. La vidéo, tournée en une seule prise avec l'audio capté sur place, montre le G1 interpréter des instructions orales et produire les actions correspondantes presque instantanément, sans animations préprogrammées. Une légère latence reste perceptible, mais l'absence de montage agressif ou de coupures suspectes rend la démonstration particulièrement crédible dans un secteur où les mises en scène trompeuses sont monnaie courante. Le G1 est commercialisé à partir de 13 500 dollars, et Unitree prévoit de produire entre 10 000 et 20 000 unités en 2026. Cette capacité à interpréter le langage naturel pour générer des actions physiques en temps réel représente un saut qualitatif majeur pour les robots humanoïdes. Jusqu'ici, la plupart des démonstrations grand public reposaient sur des séquences précodées déclenchées par des mots-clés précis, loin d'une véritable interaction spontanée. Le fait que le G1 adapte ses mouvements selon des instructions variables rapproche l'expérience d'un usage réel dans un environnement domestique ou professionnel. Pour les industries ciblant l'assistance à la personne, la logistique ou les environnements non structurés, ce type de contrôle vocal fluide change concrètement l'équation de déploiement. Quant au prix, 13 500 dollars tranche radicalement avec des concurrents comme Boston Dynamics ou Figure AI, dont les modèles dépassent facilement plusieurs dizaines ou centaines de milliers de dollars. Unitree Robotics s'est imposé ces dernières années comme l'un des acteurs les plus agressifs du marché de la robotique humanoïde, multipliant les démonstrations de capacités physiques remarquables à des prix délibérément bas. La stratégie semble claire : occuper le terrain avant que les géants de la tech, notamment Tesla avec Optimus ou les startups bien financées de la Silicon Valley, ne dominent un marché encore ouvert. L'annonce d'une production de masse entre 10 000 et 20 000 unités cette année signale un passage du stade de prototype à celui de produit industriel. L'intégration de la voix comme interface principale d'interaction, combinée à une IA embarquée capable de générer des mouvements à la volée, ouvre la voie à des robots utilisables sans formation technique. La prochaine bataille se jouera probablement sur la fiabilité en conditions réelles et sur la richesse du vocabulaire d'actions disponibles, deux fronts sur lesquels aucun acteur ne peut encore revendiquer une victoire définitive.

Robotique❧Opinion

1 source

47

3307Next INpact 

☕️ Après l’annonce de licenciements, Meta déplace 7 000 employés pour se focaliser sur l’IA

Le 18 mai 2026, Meta a annoncé la réassignation de 7 000 de ses employés vers des postes entièrement dédiés au développement de l'intelligence artificielle. Ces salariés seront répartis au sein de quatre nouveaux groupes internes chargés de concevoir des outils et des applications fondés sur l'IA. L'annonce, révélée par le New York Times, est intervenue simultanément avec celle du licenciement de 8 000 personnes, soit environ 10 % des 78 000 employés qui font fonctionner Facebook, Instagram et WhatsApp au quotidien. Les départs effectifs commencent le 20 mai. Selon le mémo interne de la directrice des ressources humaines Jannelle Gale, ces nouvelles structures disposeront de moins de couches managériales, adopteront des organisations dites « AI natives » et doivent rendre l'entreprise globalement « plus productive ». Cette double opération, coupes d'un côté, réorientation de l'autre, illustre la transformation profonde que Meta impose à son organisation au nom de l'IA. Pour les équipes concernées, cela signifie un changement radical de priorités : moins de maintenance des produits existants, davantage de construction de fonctionnalités génératives. Pour l'industrie, c'est un signal clair que les grandes plateformes ne considèrent plus la modération, le support ou certaines fonctions produits comme des activités à fort effectif humain. Les postes supprimés ne reviendront pas : ils sont absorbés, en partie, par des systèmes automatisés. Meta s'inscrit dans une tendance sectorielle plus large. Microsoft, Block et Coinbase ont annoncé des réorganisations comparables ces derniers mois, toutes justifiées par les investissements massifs dans l'IA générative. Selon le tracker layoffs.fyi, plus de 110 000 postes ont été supprimés dans la tech depuis le début de l'année 2026. Si toutes ces suppressions ne sont pas directement attribuables à l'IA, la corrélation est devenue difficile à ignorer. Pour Mark Zuckerberg, qui a fait de l'IA le pivot stratégique de Meta pour les prochaines années, cette réorganisation est la traduction concrète d'un pari industriel engagé depuis 2023 avec l'ouverture du modèle Llama et l'intégration de Meta AI dans ses plateformes.

Business❧Opinion

1 source

47

3308Next INpact 

☕️ Après l’annonce de licenciements, Meta déplace 7 000 employés pour se focaliser sur l’IA

Meta a annoncé le 18 mai la réassignation de 7 000 de ses employés vers des équipes dédiées au développement de l'intelligence artificielle. Ces salariés seront répartis dans quatre nouveaux groupes internes chargés de concevoir des outils et des applications fondés sur l'IA. L'annonce a été faite par la directrice des ressources humaines Jannelle Gale dans un mémo interne, qui précise que ces nouvelles structures fonctionneront avec moins de niveaux hiérarchiques que le reste de l'entreprise, selon un modèle dit "AI native". Cette réorganisation intervient quelques jours avant la suppression de 8 000 postes, prévue à partir du 20 mai, sur un effectif total de 78 000 personnes qui font tourner Facebook, Instagram et WhatsApp au quotidien, soit environ 10 % des effectifs du groupe. Cette double opération, réassignation massive et licenciements, illustre la vitesse à laquelle Meta pivote vers l'IA comme axe stratégique central. En regroupant des milliers d'ingénieurs et de product managers dans des structures dédiées et allégées, le groupe cherche à accélérer le développement de produits IA tout en réduisant les coûts opérationnels liés aux activités moins prioritaires. Pour les salariés concernés, le signal est sans ambiguïté : ceux qui ne s'intègrent pas dans cette nouvelle logique n'ont plus de place dans l'organisation. Pour l'industrie, cela confirme que l'IA n'est plus un projet parallèle mais la colonne vertébrale autour de laquelle les grandes plateformes restructurent leur capital humain. Meta n'est pas seule dans cette démarche. Microsoft, Block et Coinbase ont annoncé des réorganisations comparables ces derniers mois, invoquant elles aussi leurs ambitions en matière d'intelligence artificielle. Depuis le début de l'année 2026, le site layoffs.fyi a recensé plus de 110 000 suppressions de postes dans le secteur technologique, un mouvement que les dirigeants présentent systématiquement comme une transition vers l'IA plutôt que comme une simple réduction des coûts. Mark Zuckerberg, qui a fait de l'IA la priorité absolue de Meta pour les prochaines années, dispose désormais d'une organisation entière reconfigurée pour concrétiser cette ambition.

Société❧Opinion

Aussi sur01net

45

3309The Information AI 

L'écart se creuse-t-il entre Anthropic et les modèles open source ?

La montée en flèche des coûts des modèles d'IA frontier pousse plusieurs développeurs à envisager un repli vers l'open source. Des entreprises aussi sophistiquées qu'Uber ont brûlé l'intégralité de leur budget annuel en IA en quelques mois seulement, un dérapage qui illustre la pression financière que font peser des fournisseurs comme Anthropic et OpenAI. En réponse, Uber et Airbnb auraient déjà commencé à déléguer les tâches les plus simples à des modèles open source moins coûteux, tout en conservant les modèles frontier pour les cas d'usage complexes. Un dirigeant d'une grande entreprise cliente d'OpenAI et d'Anthropic a confié avoir testé Kimi K2.6 de Moonshot AI ainsi que DeepSeek V4, deux modèles open source récents qui affichent des résultats solides sur les benchmarks standards. Le verdict reste mitigé. Si ces modèles s'en sortent correctement sur des questions de surface et des exercices de référence, ils peinent dès que l'interrogation devient plus exigeante. L'exemple donné est parlant : un modèle peut résoudre un casse-tête logique classique, mais échoue dès qu'on modifie légèrement les hypothèses de départ. Cette fragilité dans le raisonnement en profondeur constitue un obstacle réel pour les entreprises dont les cas d'usage requièrent une analyse rigoureuse, des relances pertinentes ou une cohérence sur des chaînes de questions complexes. Le fossé qualitatif entre l'open source et les modèles frontier semble donc persistant, malgré les progrès rapides observés ces derniers mois. L'essor de l'open source n'en reste pas moins une tendance structurelle. Les données du fournisseur d'inférence OpenRouter indiquent une croissance globale de l'utilisation de ces modèles, signe que le marché se segmente progressivement. Les grandes entreprises adoptent une stratégie hybride : modèles bon marché pour le volume, modèles puissants pour la valeur ajoutée. La question centrale devient alors de savoir si des acteurs comme DeepSeek ou Moonshot AI pourront combler l'écart de raisonnement qui les sépare encore d'Anthropic et d'OpenAI, et à quelle vitesse.

LLMs❧Opinion

1 source

43

3310The Decoder 

Agora-1 transforme le classique GoldenEye N64 en simulation IA jouable à quatre

La startup Odyssey a publié Agora-1, un world model capable de simuler en temps réel un environnement de jeu pour jusqu'à quatre joueurs simultanément. Pour démontrer ses capacités, l'équipe a choisi GoldenEye, le jeu de tir à la première personne sorti sur Nintendo 64 en 1997, devenu une référence culturelle du jeu vidéo. Contrairement aux approches précédentes limitées à un seul joueur, Agora-1 repose sur deux modèles distincts : l'un gère la simulation de l'état du jeu, l'autre prend en charge le rendu visuel, le tout en temps réel. Cette architecture multijoueur représente un saut qualitatif dans le domaine des world models. La capacité à gérer plusieurs agents agissant en parallèle dans un même espace simulé ouvre des perspectives concrètes : entraînement d'agents IA dans des environnements complexes et dynamiques, et développement de systèmes de robotique collaborative où plusieurs robots doivent coordonner leurs actions en temps réel. Pour l'industrie du jeu vidéo, cela laisse entrevoir des moteurs de jeu entièrement générés par l'IA, capables de s'adapter en continu aux décisions des joueurs. Les world models, qui apprennent à simuler la physique et la logique d'un environnement à partir de données visuelles, sont devenus un champ de recherche intense. Google DeepMind avec Genie 2, World Labs fondé par Fei-Fei Li, ou encore Wayve dans l'automobile explorent cette technologie pour créer des simulations interactives. Agora-1 se distingue par sa dimension collaborative, un verrou technique que peu d'équipes avaient jusqu'ici franchi, et positionne Odyssey comme un acteur sérieux dans la course aux simulateurs mondiaux pilotés par l'IA.

Recherche❖Paper

1 source

45

3311Le Big Data 

Startup IA Sierra : le partenaire des grandes entreprises

Sierra, la startup spécialisée dans les agents d'intelligence artificielle pour le service client B2B, a bouclé une levée de fonds de 950 millions de dollars qui lui confère une valorisation de 15 milliards de dollars. Fondée en 2024 par Bret Taylor, ancien co-PDG de Salesforce, et Clay Bavor, ex-vice-président chez Google, l'entreprise s'est d'abord appuyée sur un premier tour de 110 millions de dollars co-mené par Sequoia Capital et Benchmark avant de franchir ce nouveau palier. En début d'année 2026, Sierra affichait déjà un chiffre d'affaires annuel récurrent de 100 millions de dollars et revendiquait plus de 40 % des entreprises du classement Fortune 50 parmi ses clients, gérant au total des milliards d'interactions clients. Le fonds Tiger Global, qui avait participé à des tours précédents, est revenu pour cette opération, signe d'une confiance renouvelée de la part des investisseurs institutionnels. L'enjeu dépasse la simple performance financière : Sierra incarne un changement de paradigme dans la manière dont les grandes entreprises gèrent leur relation client. Là où les anciens serveurs vocaux interactifs se heurtaient à la moindre demande complexe, les agents Sierra s'appuient sur une architecture multi-modèles, connectant plusieurs grands modèles de langage en simultané, pour traiter en temps réel des volumes massifs de requêtes, y compris des litiges médicaux ou des dossiers financiers sensibles. Le résultat revendiqué ressemble davantage à une conversation avec un conseiller humain qu'à un chatbot scriptés. Pour les entreprises, l'impact se mesure directement en coûts évités et en taux de résolution améliorés, deux métriques que les directeurs opérationnels comprennent sans traduction. Sierra s'inscrit dans une vague plus large de plateformes dites "agentic" qui cherchent à capturer la couche d'exécution de l'IA en entreprise, un marché que se disputent également Salesforce Agentforce, ServiceNow et des dizaines de challengers bien financés. Le profil de ses fondateurs, Taylor a notamment présidé le conseil d'administration de Twitter lors du rachat par Elon Musk et dirigé Salesforce, lui a ouvert des portes que d'autres startups mettent des années à franchir. Avec 15 milliards de valorisation et une base de revenus récurrents solide, la question qui se pose désormais est celle de la trajectoire : introduction en bourse, acquisition stratégique par un acteur comme Salesforce ou Microsoft, ou course solitaire vers le statut de plateforme CX dominante. La levée actuelle lui donne les ressources pour recruter à l'international et accélérer le développement produit, mais aussi la pression d'une valorisation ambitieuse à justifier dans un marché où les promesses d'agents IA se multiplient à mesure que les preuves de valeur réelle se font encore attendre.

Business❧Opinion

1 source

42

3312Le Big Data 

Une école voulait filmer des enfants pour entraîner l’IA : les parents pètent les plombs

L'Université de Washington a dû abandonner un projet de recherche après une levée de boucliers de parents d'élèves. L'étude prévoyait d'équiper des enseignants de maternelle de caméras embarquées et d'installer des dispositifs fixes dans les salles de classe, afin de capter les interactions quotidiennes entre professeurs et enfants. Ces enregistrements devaient alimenter des modèles d'intelligence artificielle capables d'analyser la qualité pédagogique des échanges en classe. Le dispositif reposait sur un opt-out qui incluait automatiquement tous les enfants, sauf refus explicite des parents. Selon 404 Media, qui a consulté les documents transmis aux familles, les vidéos pouvaient être traitées via des services d'IA hébergés dans le cloud, sans que les entreprises impliquées ni les modèles utilisés ne soient nommément identifiés. Face aux protestations, l'université a confirmé l'arrêt du programme peu après les premières réactions négatives. Les parents ont soulevé des questions concrètes restées sans réponse satisfaisante : que devenait l'image d'un enfant dont la famille refusait de participer, dans une classe où tous les autres élèves étaient filmés ? Les chercheurs promettaient de masquer visages et noms "dans la mesure du possible", une formulation jugée nettement insuffisante. S'y ajoutaient des problèmes d'accessibilité : de nombreuses familles issues de l'immigration ne parlaient pas anglais, et aucun formulaire traduit n'était disponible. Faith Boninger, codirectrice du National Education Policy Center, a également pointé l'opacité du dispositif, notamment l'absence de réponse claire sur qui pouvait accéder aux données, combien de temps elles seraient conservées, et qui finançait réellement la recherche. Un parent interrogé anonymement par 404 Media résumait l'inquiétude collective : "Je suis troublé par l'idée que l'image de mon enfant soit utilisée dans des outils d'IA inconnus." Cet incident s'inscrit dans un mouvement de fond : l'IA s'impose rapidement dans l'éducation, portée par des investissements massifs d'entreprises comme OpenAI, Anthropic et Microsoft, qui multiplient partenariats universitaires et accès gratuits aux outils génératifs pour les étudiants et enseignants. Mais développer des modèles spécialisés dans l'éducation nécessite des volumes considérables de données réelles, et c'est précisément là que le bât blesse. Les établissements scolaires, qui accueillent des mineurs dans un cadre légalement protégé, deviennent des terrains convoités pour la collecte de données d'entraînement. L'échec du projet de l'Université de Washington illustre la tension croissante entre les besoins de l'industrie IA et les droits fondamentaux des familles, en particulier autour du consentement éclairé. À mesure que ces projets se multiplient, la gouvernance des données issues des environnements scolaires ne peut plus être reléguée en note de bas de page d'un formulaire incompréhensible.

Éthique❧Opinion

1 source

46

3313Ben's Bites 

Les agents IA sont-ils joignables par téléphone ?

L'ouverture de Google I/O ce 19 mai 2026 marque une nouvelle séquence d'annonces dans l'écosystème des agents IA. OpenAI a mis à jour Codex pour permettre de lancer des tâches depuis un téléphone, tout en laissant l'exécution réelle sur le Mac, le serveur distant ou le devbox de l'utilisateur : les fichiers, identifiants et configurations restent en place, tandis que le mobile sert à valider des commandes, répondre à des questions ou consulter des diffs. Cette mise à jour intègre également les Hooks à Codex. Anthropic, de son côté, a annoncé l'acquisition de Stainless, une plateforme de génération de SDK utilisée notamment par OpenAI, qui sera fermée après le rachat. À l'occasion de sa conférence londonienne, Anthropic a aussi ajouté des sandboxes auto-hébergées et des tunnels MCP à Claude Managed Agents, son produit destiné aux entreprises souhaitant déployer des agents sans friction. Par ailleurs, Cursor a lancé Composer 2.5, partiellement entraîné sur les GPU de SpaceX, avec des performances comparables à Opus 4.7 et GPT-5.5 en mode haute intensité, mais à un coût significativement inférieur. Ces mouvements révèlent une recomposition profonde de la chaîne de valeur de l'IA. La conviction que "le modèle est le produit", formulée par Logan Kilpatrick de Google, reflète une tendance où les modèles de pointe se rapprochent en qualité, déplaçant la différenciation vers les couches d'orchestration, de sandboxing et de gestion du contexte. L'acquisition de Stainless par Anthropic illustre cette logique : contrôler les SDK, c'est contrôler comment les développeurs accèdent aux modèles. Les résultats de Cloudflare, qui a testé Mythos d'Anthropic sur 50 de ses dépôts, vont dans le même sens : un modèle seul, même puissant, laisse passer beaucoup de vulnérabilités si le harness n'est pas solide. La conclusion des équipes sécurité est claire : mieux vaut rendre les bugs difficiles à enchaîner qu'à corriger un par un rapidement. Le contexte est celui d'une intensification de la compétition sur plusieurs fronts simultanément. Google présente aujourd'hui ses dernières avancées Gemini, dont des benchmarks similaires à GPT-5.5 circulent déjà, même si les performances ressenties restent à confirmer. xAI/Grok entre dans l'arène des CLI de code, Linear Agent peut désormais lire directement les bases de code pour investiguer des tickets de support, et des startups comme Magicpath, Raindrop AI ou Devin Auto-Triage ciblent la supervision et la productivité des agents en production. Hyperagent d'Airtable distribue 10 millions de dollars de crédits d'inférence aux 500 premières startups qualifiées, avec une date limite au 31 mai. Le marché des outils autour des agents se structure rapidement, et la question n'est plus tant quelle est la qualité du modèle, mais qui contrôle l'environnement dans lequel il opère.

Outils⚒Outil

1 source

51

3314The Information AI 

Les puces IA d'Amazon commencent à séduire les développeurs face à Nvidia

Les puces Trainium d'Amazon commencent à séduire les développeurs d'intelligence artificielle, marquant une étape importante dans la stratégie du géant du cloud pour concurrencer Nvidia. Anthropic et OpenAI, qui ont conclu des accords d'investissement et d'infrastructure de plusieurs milliards de dollars avec Amazon, se sont déjà engagés à louer de grandes quantités de capacité Trainium, aussi bien les générations actuelles que futures. Des améliorations logicielles récentes ont en outre convaincu une demi-douzaine de développeurs plus modestes, selon des personnes qui utilisent ou travaillent avec ces puces, d'envisager de transférer davantage de leurs charges de travail vers cette architecture propriétaire d'AWS. Ce changement de perception est significatif pour l'industrie. Nvidia contrôle aujourd'hui plus de 80 % du marché des puces d'entraînement d'IA, ce qui lui confère un pouvoir de fixation des prix considérable. Si Amazon parvient à convaincre même une fraction des développeurs de basculer vers Trainium, cela pourrait réduire la dépendance structurelle de l'écosystème IA envers un seul fournisseur et faire pression sur les marges exceptionnelles de Nvidia. Amazon développe ses propres siliciums depuis plusieurs années, après le rachat d'Annapurna Labs en 2015. La stratégie repose sur l'intégration verticale : proposer des puces optimisées pour les services AWS, avec des prix potentiellement inférieurs à ceux des GPU H100 et H200 de Nvidia. L'adhésion d'acteurs aussi stratégiques qu'Anthropic, dans lequel Amazon a investi plus de 4 milliards de dollars, constitue à la fois une validation technique et un levier commercial pour attirer d'autres clients vers l'écosystème Trainium.

Infrastructure❧Opinion

1 source

36

3315InfoQ AI 

L'infrastructure GenAI pour préparer l'avenir

Merrin Kurian, ingénieure chez Intuit, a présenté l'architecture et les processus organisationnels qui sous-tendent la transformation IA de l'entreprise, connue pour ses logiciels fiscaux et financiers comme TurboTax et QuickBooks. Au cœur de cette transformation se trouve GenOS, la plateforme d'IA générative interne d'Intuit, déployée auprès de 8 000 développeurs et ayant permis la mise en production de plus de 3 500 expérimentations. Pour piloter ce déploiement à grande échelle, Intuit a adopté un cadre en trois niveaux baptisé "fixed, flexible, free", distinguant ce qui est imposé à tous, ce qui est configurable selon les équipes, et ce qui est laissé à la libre initiative des développeurs. Cette approche structurée répond à un défi concret pour toute grande entreprise qui industrialise l'IA : comment donner de l'autonomie aux équipes sans perdre le contrôle de la qualité, de la sécurité et de la cohérence des systèmes. Kurian a notamment détaillé les modes de défaillance propres aux agents IA, ces systèmes autonomes qui enchaînent des actions, et présenté une stratégie d'évaluation dite "LLM-as-a-judge", où un modèle de langage est utilisé pour noter automatiquement les sorties d'un autre modèle. Intuit travaille également à rendre ses API "tool-ready", c'est-à-dire nativement compatibles avec des agents IA capables de les appeler sans intervention humaine. Cette présentation s'inscrit dans un mouvement plus large de structuration des infrastructures GenAI dans les grandes entreprises technologiques. Après une phase d'expérimentation, les acteurs comme Intuit cherchent désormais à industrialiser leurs pratiques, en construisant des plateformes internes capables de supporter des milliers de cas d'usage simultanément. Le passage à l'échelle exige des choix d'architecture rigoureux, une gouvernance claire et des outils d'évaluation automatisés pour maintenir la fiabilité dans des environnements de production complexes.

Infrastructure⚡Actu

1 source

50

3316Next INpact 

Huées, refus d’usage : les protestations contre l’IA se multiplient

En mai 2026, plusieurs cérémonies de remise de diplômes aux États-Unis ont été le théâtre de protestations inattendues contre l'intelligence artificielle. Gloria Caulfield, vice-présidente des alliances stratégiques du groupe Tavistock, a été huée par des étudiants en sciences humaines de l'Université du Centre de la Floride (UCF) dès qu'elle a qualifié l'IA de « prochaine révolution industrielle ». Des cris comme « AI sucks » ont parcouru la salle, avant que les mêmes étudiants l'applaudissent lorsqu'elle a reconnu que l'IA était absente de leurs vies il y a encore quelques années. Peu après, Eric Schmidt, ancien PDG de Google, a subi le même accueil à l'Université d'Arizona, où il avait pourtant été invité pour son « leadership extraordinaire dans les avancées technologiques ». En France, le cofondateur de Loopsider Johan Jufnagel, relayé par le journaliste David Carzon dans la newsletter Hupster, a témoigné ce 19 mai du refus d'étudiants en journalisme de recourir à l'IA dans leur formation. Un sondage Gallup d'avril 2026 confirme l'ampleur du phénomène : près d'un tiers des Américains de 14 à 29 ans déclarent que l'IA les « énerve », soit 9 points de plus qu'en 2025, tandis que l'enthousiasme pour la technologie a chuté de 36 % à 22 % en un an. Ce rejet traduit une fracture générationnelle concrète autour de l'IA. La génération Z, qui entre aujourd'hui sur le marché du travail, est directement exposée à la menace de substitution dans des secteurs comme le journalisme, la communication ou les métiers créatifs. Cette défiance ne se limite pas aux symboles : une enquête de Workplace Intelligence menée auprès de 2 400 employés et dirigeants en Europe, au Royaume-Uni et aux États-Unis révèle que 29 % des salariés admettent saboter activement les systèmes d'IA de leur entreprise, en injectant des données propriétaires dans des modèles grand public, en utilisant des outils non autorisés, ou en laissant délibérément des résultats de mauvaise qualité sans les corriger. L'acceptabilité sociale du déploiement accéléré de l'IA devient un enjeu opérationnel réel pour les entreprises, au-delà de la communication. Ces protestations s'inscrivent dans un contexte de déploiement massif de l'IA générative depuis 2023, sans que les sociétés aient eu le temps d'en négocier collectivement les termes. Schmidt lui-même a admis devant ses auditeurs que leur génération « hérite d'un bazar qu'elle n'a pas créé », entre emplois menacés, dérèglement climatique et fractures politiques. Si les dirigeants tech continuent de présenter l'IA comme une opportunité incontournable, le fossé avec une partie croissante de la population se creuse. Le phénomène, parfois comparé à un « véganisme de l'IA », dessine une résistance structurée qui pourrait peser sur les politiques d'adoption en entreprise, les régulations à venir, et la façon dont les institutions, universités en tête, intégreront ces outils dans les prochaines années.

Société❧Opinion

1 source

45

3317Le Big Data 

« Magnifica humanitas » : Le Pape et Anthropic s’unissent pour sauver nos âmes de l’IA ?

Le pape Léon XIV publiera le 25 mai prochain sa première encyclique majeure, intitulée « Magnifica humanitas », entièrement consacrée à l'intelligence artificielle et ses conséquences sur l'humanité. Signée le 15 mai 2026, ce texte a été rédigé exactement 135 ans après la signature par Léon XIII de Rerum Novarum, l'encyclique fondatrice sur les droits des travailleurs à l'ère industrielle. La coïncidence est loin d'être fortuite : le pape a explicitement choisi son nom en hommage à ce prédécesseur. Contrairement à la tradition, Léon XIV présentera lui-même le texte lors d'un événement public au Vatican, aux côtés de Christopher Olah, cofondateur d'Anthropic, et des théologiennes Anna Rowlands et Léocadie Lushombo. Le document devrait cibler en priorité les effets de l'IA sur le travail humain et condamner ses applications militaires. Cette encyclique marque une étape importante à double titre. Pour l'Église catholique d'abord, qui dispose avec ce format de l'un de ses outils de parole les plus solennels pour définir les priorités d'un pontificat face aux grandes mutations de société. Pour l'industrie technologique ensuite, car la présence de Christopher Olah à l'événement souligne l'intérêt stratégique qu'Anthropic et ses concurrents trouvent à s'associer à une institution de 1,3 milliard de fidèles. Un tel rapprochement peut offrir à l'entreprise californienne une caution morale dans un secteur souvent accusé de négliger l'impact humain de ses technologies. Anthropic avait d'ailleurs déjà consulté un prêtre lors de la rédaction de la « constitution » de son modèle Claude, l'ensemble de règles censé guider son comportement. Ce texte s'inscrit dans une préoccupation vaticane qui remonte au-delà du pontificat de Léon XIV. Dès le début de l'année, le pape avait publié un message pour la 60e Journée mondiale des communications sociales, intitulé « Préserver les voix et les visages humains », dans lequel il mettait en garde contre des systèmes capables d'imiter l'empathie, les voix et les expressions humaines au risque de dégrader les relations sociales. Depuis plusieurs années, les géants de la tech tentent également de tisser des liens discrets avec le Vatican, cherchant à transformer une légitimité morale institutionnelle en bouclier contre les critiques. Mais l'Église, sous François puis Léon XIV, maintient un discours ferme centré sur la dignité humaine et la justice sociale, qui ne coïncide pas toujours avec les intérêts des entreprises de la Silicon Valley. La question de savoir si ce dialogue débouchera sur une influence réelle ou restera une opération d'image pour les deux parties reste entière.

Éthique❧Opinion

1 source

54

3318Le Big Data 

Anthropic rachète Stainless, la startup API convoitée par OpenAI et Google

Anthropic a annoncé le 18 mai 2026 l'acquisition de Stainless, une startup new-yorkaise fondée en 2022 par Alex Rattray, ancien ingénieur de Stripe. Spécialisée dans l'automatisation des SDK et des connecteurs API, Stainless avait bâti en quelques années une position de référence dans l'écosystème IA. Selon The Information, l'opération dépasserait les 300 millions de dollars. La technologie de Stainless transforme des spécifications d'API en kits de développement logiciel prêts pour la production, compatibles avec Python, Go, Java, Kotlin et TypeScript. Son avantage distinctif est la maintenance automatique de ces SDK : à chaque évolution d'une API, les bibliothèques sont mises à jour sans intervention humaine. Anthropic utilisait déjà Stainless depuis les premières versions de son API Claude, mais la startup fournissait également ses outils à OpenAI, Google, Replicate, Runway et Cloudflare. Ces clients perdront l'accès aux produits hébergés de Stainless, dont son générateur de SDK, bien qu'ils conservent la propriété des SDK déjà générés et le droit de les modifier. Cette acquisition positionne Anthropic sur un terrain stratégique qui dépasse le simple rachat technologique. Dans le marché de l'IA agentique, la valeur ne réside plus uniquement dans la puissance des modèles, mais dans leur capacité à se connecter à des systèmes externes, des bases de données et des logiciels métiers. Les SDK, serveurs MCP et connecteurs sont précisément la couche technique qui rend cette connexion possible. En intégrant Stainless, Anthropic renforce toute son infrastructure développeur autour de Claude et prive simultanément ses concurrents directs d'un fournisseur jusqu'ici commun. OpenAI et Google, qui comptaient sur ces outils, devront désormais trouver ou développer des alternatives, ce qui représente un coût de friction non négligeable pour leurs équipes techniques et leurs clients. Cette opération s'inscrit dans une logique que les grandes plateformes cloud ont perfectionnée depuis des décennies. AWS, Microsoft Azure et Google Cloud n'ont pas construit leur domination uniquement sur l'infrastructure brute, mais surtout sur des couches d'outils qui fidélisent les développeurs et rendent le changement de fournisseur coûteux. Anthropic applique aujourd'hui cette même recette au marché des agents IA, en s'appropriant une infrastructure critique juste au moment où la compétition s'intensifie. La société pousse parallèlement son protocole MCP, qui standardise la communication entre agents IA et applications tierces, et Stainless vient directement renforcer cette pile. Le rachat transforme Anthropic d'un fabricant de modèles en véritable opérateur d'infrastructure pour développeurs, un positionnement qui pourrait peser lourd dans la consolidation qui s'annonce dans le secteur.

Business❧Opinion

Aussi surTechCrunch AI

52

3319AI News 

L'accord Nvidia H200 avec la Chine a survécu au sommet Trump-Xi, mais pas comme prévu

Donald Trump s'est rendu à Pékin en mai 2026, accompagné à la dernière minute de Jensen Huang, PDG de Nvidia, et en est reparti en déclarant que "quelque chose pourrait se passer" sur les exportations de puces. Rien ne s'est passé. Pas un seul H200 de Nvidia n'a été livré en Chine depuis que Trump a autorisé ces ventes en décembre 2025. Le représentant américain au commerce, Jamieson Greer, a confirmé à Bloomberg que les contrôles sur les semi-conducteurs n'étaient même pas à l'ordre du jour bilatéral. En réalité, les licences d'exportation existent déjà : une dizaine d'entreprises chinoises, dont Alibaba, Tencent, ByteDance et JD.com, disposent chacune d'autorisations américaines pour jusqu'à 75 000 unités, avec Lenovo et Foxconn comme distributeurs agréés. Les puces ne bougent pas parce que c'est Pékin qui bloque ses propres entreprises. Le blocage repose sur une contradiction réglementaire structurelle. Les règles américaines exigent que les H200 exportés vers des clients chinois soient déployés uniquement sur le territoire chinois. Pékin, de son côté, a ordonné à ses grandes entreprises tech de réserver leurs achats de puces Nvidia à leurs opérations à l'étranger, tout en soutenant les fournisseurs domestiques. Les deux exigences s'excluent mutuellement : les puces autorisées à l'export ne peuvent légalement être déployées là où Pékin veut les déployer. Ce n'est pas une impasse accidentelle. Le secrétaire au Commerce Howard Lutnick a déclaré devant le Sénat que les firmes chinoises cherchent délibérément à concentrer leurs investissements sur les fournisseurs locaux, au premier rang desquels Huawei. Le Conseil d'État chinois a par ailleurs lancé une revue de la sécurité des chaînes d'approvisionnement visant à réduire la dépendance aux semi-conducteurs américains. Pendant que les diplomates négociaient, les données les plus significatives venaient d'ailleurs. DeepSeek a confirmé que son dernier modèle avait été optimisé pour tourner sur les processeurs Huawei. Le directeur stratégique de Tencent a annoncé que l'offre chinoise en GPU augmenterait progressivement tout au long de 2026, et Alibaba a confirmé que ses GPU propriétaires T-Head étaient désormais en production de masse. En avril, DeepSeek V4 était devenu le premier grand modèle frontier chinois adapté aux puces Ascend de Huawei dès la phase d'entraînement, et non plus seulement pour l'inférence. Le signal est clair : la substitution n'est plus expérimentale, elle est devenue une politique industrielle. Les revenus de Nvidia en Chine sont tombés à environ 5 % ces derniers trimestres, contre plus de 20 % avant le durcissement des contrôles à l'export, et la société anticipe désormais zéro revenu chinois pour le trimestre en cours. La présence de Huang à Pékin illustrait l'urgence ressentie par Nvidia ; son résultat illustre les limites de la diplomatie de PDG face à un blocage structurel.

Infrastructure❧Opinion

1 source

49

3320Le Big Data 

Blackstone et Google investissent dans un nouveau cloud TPU pour accélérer l’IA

Blackstone et Google ont annoncé le 19 mai 2026 la création d'une coentreprise américaine dédiée aux services de calcul accéléré basés sur les TPU (Tensor Processing Units) de Google. L'accord prévoit un investissement initial de 5 milliards de dollars apportés par Blackstone en fonds propres, avec pour objectif de déployer une première capacité de 500 mégawatts d'ici 2027. Google fournit ses puces TPU, ses logiciels et ses services, tandis que Blackstone apporte son expertise dans la construction et le financement d'infrastructures à grande échelle, le fonds gère plus de 1 300 milliards de dollars d'actifs et possède une présence majeure dans les centres de données. La nouvelle entité sera dirigée par Benjamin Treynor Sloss, ancien cadre de Google avec plus de vingt ans d'expérience dans la conception d'infrastructures critiques. La capacité prévue pourrait être significativement étendue au-delà de 500 MW pour accompagner la montée en puissance des usages IA. Ce partenariat marque un tournant dans la manière dont Google monétise ses TPU, jusqu'ici cantonnées à un usage interne ou distribuées exclusivement via Google Cloud. En créant une structure commerciale indépendante, Google ouvre un nouveau canal de distribution de sa puissance de calcul, plus flexible et accessible à des entreprises qui ne souhaitent pas s'engager exclusivement avec Google Cloud. Pour les acteurs de l'IA, laboratoires de recherche, institutions financières, grandes entreprises, cela représente une alternative crédible aux GPU Nvidia, qui dominent le marché mais restent confrontés à des problèmes de disponibilité et à des coûts élevés. Cette initiative répond aussi à un besoin structurel : les grandes organisations cherchent à sécuriser des capacités de calcul stables sur le long terme, capables de soutenir des modèles d'IA toujours plus gourmands en ressources. Les TPU de Google sont développées depuis plus d'une décennie et alimentent déjà les infrastructures de Gemini ainsi que celles de nombreux partenaires technologiques. Leur ouverture à un marché plus large s'inscrit dans une logique d'industrialisation rapide de l'infrastructure IA : après la course aux modèles génératifs, la bataille se déplace vers l'accès à la puissance de calcul elle-même. Nvidia règne pour l'instant sans partage sur ce segment, mais la pression concurrentielle s'intensifie, avec des acteurs comme AMD, Intel et désormais Google qui cherchent à capter une part croissante de ce marché estimé à plusieurs centaines de milliards de dollars. L'alliance entre l'un des plus grands gestionnaires d'actifs mondiaux et le détenteur d'une technologie de calcul propriétaire de premier plan illustre comment capital financier et puissance technologique convergent pour structurer l'infrastructure de l'IA de demain.

Infrastructure❧Opinion

Aussi surThe Information AI,AI Business