Actualités IA — page 196

7 647 articles au fil, du plus récent au plus ancien.

46

3901Le Big Data 

Google, Microsoft, xAI… Trump va tester les nouvelles IA en avant-première

Google DeepMind, Microsoft et xAI ont conclu un accord formel avec l'administration Trump pour soumettre leurs futurs modèles d'intelligence artificielle à des évaluations gouvernementales avant tout déploiement public. Ces tests seront conduits par le Center for AI Standards and Innovation (CAISI), un organisme rattaché au département du Commerce américain. Le centre travaillait déjà avec OpenAI et Anthropic, mais l'élargissement à ces trois nouveaux acteurs majeurs marque une étape concrète dans la volonté de Washington de reprendre la main sur le calendrier des lancements. Chris Fall, directeur du CAISI, a insisté sur la nécessité d'une évaluation indépendante et rigoureuse des modèles les plus avancés, invoquant des enjeux de sécurité nationale, de cybersécurité, de désinformation et d'usages militaires potentiels. Ce virage représente un changement de paradigme notable pour une industrie qui défendait jusqu'ici le principe d'une innovation rapide et peu entravée. Que des géants comme Google ou Microsoft acceptent que l'État examine leurs modèles avant chaque lancement illustre un rééquilibrage du rapport de force entre la Silicon Valley et le pouvoir politique. Pour les utilisateurs et les entreprises, cela pourrait se traduire par des délais de mise sur le marché allongés, mais aussi par une forme de garantie supplémentaire sur les capacités et les risques des systèmes déployés. La portée de ces évaluations reste encore floue : le gouvernement n'a pas précisé quels critères s'appliqueront ni si ces tests pourraient bloquer ou retarder un lancement. Selon le New York Times, Donald Trump envisagerait par ailleurs un décret présidentiel pour aller plus loin, en réunissant dirigeants technologiques et responsables gouvernementaux pour superviser directement le développement des nouvelles IA. Le rapprochement avec xAI est particulièrement significatif : Elon Musk, pourtant critique habituel des dérives régulatoires et promoteur d'une IA sans censure idéologique, accepte ici de collaborer avec les autorités fédérales, ce qui témoigne du poids géopolitique qu'a pris le secteur. Les États-Unis cherchent avant tout à préserver leur avance sur la Chine dans la course aux modèles frontières, et les entreprises, de leur côté, ont tout intérêt à s'afficher comme des partenaires responsables de l'État plutôt que comme des acteurs incontrôlables. La question centrale qui émerge de cet accord est celle du contrôle réel : évaluer un modèle avant son lancement n'est pas nécessairement le réguler, et la frontière entre supervision de sécurité et ingérence politique reste, pour l'instant, soigneusement laissée dans le flou.

Régulation⚖Reglementation

1 source

47

3902Next INpact 

☕️ AMD lance sa Radeon Instinct MI350P : un demi-GPU de MI350X en PCIe 5.0

AMD a officiellement présenté l'Instinct MI350P, un nouveau GPU d'intelligence artificielle destiné aux serveurs standards. Cette carte se distingue de ses aînées MI350X et MI355X par son format PCIe 5.0, qui lui permet d'être installée directement dans un serveur ou un ordinateur classique, sans infrastructure spécialisée. Elle repose sur la même architecture CDNA4 que le reste de la famille MI350, mais avec des caractéristiques exactement divisées par deux : 144 Go de mémoire HBM3E contre 288 Go pour la MI350X, une bande passante mémoire de 4 To/s contre 8 To/s, et 8 192 processeurs de flux pour 4,6 PFLOPS en précision MXFP4, là où la MI350X atteint 9,2 PFLOPS avec ses 16 384 processeurs. Le TDP est plafonné à 600 watts, la fréquence reste à 2,2 GHz, et la carte occupe deux emplacements. Le prix n'a pas encore été communiqué. Cette MI350P cible en priorité les charges d'inférence, c'est-à-dire l'exécution de modèles d'IA déjà entraînés, plutôt que leur apprentissage. Son format PCIe standard ouvre le marché des IA aux opérateurs disposant de parcs de serveurs classiques, qui n'ont pas les moyens ou la nécessité d'investir dans des infrastructures haute densité avec refroidissement liquide. Pour les entreprises cherchant à déployer des modèles de taille intermédiaire à moindre coût d'intégration, la MI350P représente une alternative sérieuse face aux offres concurrentes de NVIDIA sur ce segment. Cette annonce s'inscrit dans une stratégie AMD clairement articulée : couvrir l'ensemble du spectre de performance avec des variantes adaptées à chaque usage. Après avoir lancé la MI350X pour les supercalculateurs et la MI355X avec refroidissement liquide pour les déploiements à très haute densité, AMD comble le segment des serveurs polyvalents avec la MI350P. La pression de NVIDIA reste intense, notamment avec la famille Blackwell, mais AMD cherche à convaincre les grands hyperscalers et les entreprises cloud de diversifier leurs approvisionnements. La prochaine étape sera la communication des tarifs, un signal décisif pour évaluer la compétitivité réelle de cette carte sur le marché de l'inférence IA.

Infrastructure⚡Actu

1 source

45

3903The Information AI 

Pourquoi Musk cède les serveurs de xAI à Anthropic ; Reka rachète une startup de génération vidéo

xAI, la société d'intelligence artificielle d'Elon Musk, a annoncé mercredi qu'elle cède à Anthropic une part substantielle de son infrastructure de calcul. Selon Anthropic, le transfert porte sur 300 mégawatts de capacité de serveurs, ce qui représente, d'après xAI, plus de 220 000 puces Nvidia. Il s'agit concrètement du complexe Memphis Colossus, la méga-installation que Musk avait inaugurée en grande pompe il y a plus d'un an. Pour donner une échelle, cette capacité équivaut à environ un sixième de l'ensemble des serveurs qu'OpenAI possédait fin 2025 pour ses produits et ses clusters d'entraînement. Ce transfert révèle un déséquilibre frappant au sein du secteur : OpenAI et Anthropic saturent leurs serveurs en permanence, tandis que xAI se retrouve avec une surcapacité coûteuse et sous-exploitée. Pour SpaceX, actionnaire de xAI et candidate à une introduction en bourse imminente, maintenir des serveurs qui tournent à vide représente un gouffre financier de plusieurs milliards de dollars, susceptible d'attirer une attention critique des investisseurs. Céder cette capacité à Anthropic permet à xAI de monétiser des actifs dormants, tout en offrant à Anthropic une marge de calcul supplémentaire pour absorber une demande en constante hausse. Ce n'est pas la première fois que xAI cherche à externaliser ses capacités excédentaires : la société a récemment conclu un accord similaire avec Cursor, l'assistant de codage IA que SpaceX est en cours d'acquisition. Le complexe Memphis Colossus avait suscité une certaine inquiétude chez les concurrents lors de son lancement, Musk se vantant de la vitesse record à laquelle ses équipes avaient monté l'infrastructure. Mais construire massivement sans que la demande suive expose les entreprises à des charges fixes difficiles à absorber. Ce mouvement de consolidation entre acteurs rivaux de l'IA illustre une nouvelle logique de marché, dans laquelle la puissance de calcul se gère comme une ressource à allouer stratégiquement, parfois au-delà des frontières concurrentielles habituelles.

Infrastructure❧Opinion

1 source

45

3904Ars Technica AI 

Elon Musk a tenté de recruter les fondateurs d'OpenAI pour créer une division IA chez Tesla

En 2018, Elon Musk a tenté de recruter l'équipe fondatrice d'OpenAI, Sam Altman, Greg Brockman et Ilya Sutskever, pour diriger un nouveau laboratoire d'intelligence artificielle au sein de Tesla. Selon des éléments de preuve présentés lors d'un procès très médiatisé qui oppose le milliardaire à OpenAI, Musk leur a proposé d'intégrer la société à Tesla en tant que filiale, ou d'octroyer à Altman un siège au conseil d'administration. Ces révélations ont émergé mercredi devant le tribunal, alors que les dirigeants d'OpenAI se disputaient le contrôle stratégique de l'organisation qu'ils venaient de cofonder. Ces informations éclairent sous un angle nouveau les griefs que Musk formule contre OpenAI et son PDG. Le milliardaire soutient qu'Altman a "volé une association caritative" en transformant OpenAI, initialement fondée à but non lucratif, en entité commerciale. Or, les avocats d'OpenAI font valoir que Musk était lui-même favorable à une commercialisation de la structure, à condition d'en conserver le contrôle. Cette contradiction fragilise l'argumentaire du plaignant et suggère que le litige tient davantage à une bataille de pouvoir qu'à un désaccord éthique sur la mission originelle de l'organisation. OpenAI a été co-fondée en 2015 par Musk, Altman, Brockman, Sutskever et d'autres, avec l'ambition de développer une intelligence artificielle générale au bénéfice de l'humanité. Musk a quitté le conseil d'administration en 2018, officiellement pour éviter des conflits d'intérêts avec Tesla, qui développait ses propres systèmes d'IA. Il a ensuite fondé xAI en 2023. Le procès actuel, qui porte sur la transformation capitalistique d'OpenAI, s'annonce décisif pour déterminer les obligations légales qui s'imposent aux organismes à but non lucratif lorsqu'ils pivotent vers un modèle commercial, dans un secteur où les enjeux financiers atteignent désormais des dizaines de milliards de dollars.

Business⚡Actu

1 source

51

3905Le Big Data 

DeepSeek atteint 50 milliards $ de valorisation grâce au boom de l’IA chinoise

DeepSeek, le laboratoire d'intelligence artificielle chinois fondé par Liang Wenfeng, serait en négociation pour boucler sa première levée de fonds externe, d'un montant compris entre 3 et 4 milliards de dollars, à une valorisation pouvant atteindre 50 milliards de dollars. L'information, révélée en premier par le Financial Times puis confirmée par le Wall Street Journal, place DeepSeek parmi les startups d'IA les plus valorisées au monde. Le fonds national chinois dédié à l'intelligence artificielle, doté de 60 milliards de yuans, serait en discussions pour mener l'opération, avec Tencent également présent dans les négociations. Jusqu'à présent, DeepSeek fonctionnait de façon quasi autonome, financée principalement par High-Flyer, le hedge fund de son fondateur, qui conserve environ 89,5 % du capital via ses participations personnelles et affiliées. Cette levée de fonds marque un tournant stratégique pour DeepSeek. Les capitaux recherchés visent à renforcer les infrastructures de calcul de la société et à améliorer les conditions offertes à ses ingénieurs, dans un contexte de compétition féroce pour attirer les talents. Le développement des agents IA, qui exécutent des tâches complexes avec une intervention humaine réduite, exige désormais une puissance de calcul nettement supérieure à celle des chatbots classiques, ce qui se traduit par des coûts en GPU, datacenters et recrutement considérablement plus élevés. Pour rester dans la course face à ByteDance, Alibaba, MiniMax ou Moonshot AI, DeepSeek ne peut plus se permettre de fonctionner en dehors des circuits d'investissement institutionnels. Le succès viral des modèles V3 et R1 de DeepSeek début 2025 avait provoqué un choc sur les marchés technologiques mondiaux, en démontrant qu'il était possible d'atteindre des performances comparables à celles d'OpenAI ou d'Anthropic à une fraction du coût, grâce à une approche open source radicale. Pékin avait alors perçu dans la startup un potentiel champion national capable de rivaliser avec les géants américains dans la course à l'IA générale. L'intérêt du fonds souverain pour cette opération confirme que l'État chinois entend désormais consolider son soutien aux laboratoires les plus prometteurs, réduisant ainsi sa dépendance technologique vis-à-vis des États-Unis dans un domaine jugé stratégique. DeepSeek doit cependant confirmer cette trajectoire sur le plan technique : son nouveau modèle V4, présenté comme redéfinissant l'état de l'art open source pour les agents IA, fait l'objet d'évaluations indépendantes mitigées, certains analystes estimant qu'il reste en retrait face aux meilleurs modèles concurrents.

Business⚡Actu

1 source

52

3906AWS ML Blog 

Amazon Bedrock AgentCore Payments : les agents IA peuvent désormais effectuer des transactions, avec Coinbase et Stripe

Amazon a annoncé le 7 mai 2026 le lancement en préversion d'Amazon Bedrock AgentCore Payments, une nouvelle couche de fonctionnalités permettant aux agents d'intelligence artificielle d'accéder à des ressources payantes et de régler des transactions de manière autonome, en temps réel. Développée en partenariat avec Coinbase et Stripe, qui fournissent respectivement l'infrastructure de portefeuilles numériques et les rails de paiement, cette solution s'intègre nativement à la plateforme AgentCore d'AWS. Des entreprises comme Cox Automotive, Thomson Reuters et le PGA TOUR utilisent déjà AgentCore pour orchestrer des agents capables de raisonner et d'agir sur des flux de travail complexes. Avec cette annonce, ces mêmes agents peuvent désormais payer des flux de données en temps réel, des publications sous paywall, des serveurs MCP privés ou d'autres agents spécialisés, le tout au sein d'une seule boucle d'exécution. Les limites de dépenses sont configurées par session, et AgentCore gère l'authentification des identifiants, le cycle de vie des tokens et la négociation de protocoles de paiement comme x402, ACP ou MPP. Ce lancement représente un tournant concret pour les développeurs d'agents autonomes. Jusqu'ici, brancher un agent à des services payants exigeait de négocier des relations de facturation distinctes avec chaque fournisseur, de sécuriser les identifiants, de gérer la conformité réglementaire et d'écrire une logique d'orchestration sur mesure, soit plusieurs mois d'ingénierie avec des enjeux financiers réels à la clé. AgentCore Payments supprime cette friction : un agent de recherche financière peut payer à la volée un article de presse spécialisé ou un flux de données boursières, un agent de développement peut appeler un registre de packages privé ou un environnement d'exécution isolé sans que le développeur ait à câbler chaque relation commerciale manuellement. La gouvernance des dépenses et l'observabilité restent centralisées dans la même infrastructure que les autres actions de l'agent, ce qui réduit la surface d'erreur sur des flux qui, contrairement à une mauvaise réponse, déplacent de l'argent réel. Ce mouvement s'inscrit dans une tendance de fond : le déploiement à grande échelle d'agents capables non seulement de chercher et raisonner, mais aussi de consommer des services et d'effectuer des achats au nom des utilisateurs. Les premiers protocoles de paiement pour agents, notamment x402 d'Ethereum et d'autres standards émergents, restaient jusqu'ici expérimentaux et fragmentés. Amazon, en s'associant à Coinbase pour la couche crypto et à Stripe pour les paiements traditionnels, positionne AWS comme l'infrastructure centrale d'une économie agentique encore naissante. L'étape suivante annoncée est la capacité pour les agents de réserver des billets d'avion, des hôtels et d'effectuer des achats auprès de plateformes marchandes, ouvrant la voie à des agents commerciaux pleinement autonomes.

Outils❧Opinion

1 source

36

3907The Robot Report 

Podcast : Colin Angle parle de la conception de robots compagnons avec Familiar Machines et Magic

Colin Angle, cofondateur et ancien PDG d'iRobot, sort de la discrétion avec une nouvelle startup baptisée Familiar Machines & Magic (FM&M). La société vient de lever le voile sur son projet : développer des robots compagnons appelés "Familiars", conçus pour entretenir des relations à long terme avec leurs utilisateurs, avec une dimension d'intelligence émotionnelle embarquée. FM&M se positionne dans le segment de la "physical AI grand public". Aux côtés d'Angle, l'équipe fondatrice comprend Ira Renfrew, directrice des ressources humaines et du produit, et le Dr Chris Jones, directeur R&D, tous deux vétérans de l'industrie avec des parcours chez iRobot, Amazon et d'autres grandes plateformes technologiques. Le reste de l'équipe cumule des expertises issues de Disney Research, du MIT, de Boston Dynamics et de l'USC. Collectivement, les fondateurs revendiquent le déploiement de plus de 50 millions de robots grand public dans le monde. La société opère depuis Boston, Los Angeles et Hong Kong. Le retour de Colin Angle dans la robotique grand public constitue un signal notable pour un secteur aujourd'hui dominé par les annonces industrielles et les humanoïdes de laboratoire. FM&M mise sur un segment encore peu commercialisé : le robot domestique à vocation relationnelle, distinct du simple assistant vocal ou du robot aspirateur. L'enjeu central est de démontrer qu'une intelligence émotionnelle peut être embarquée dans un produit physique viable sur le marché de masse, hypothèse que plusieurs tentatives précédentes (Jibo, Anki Vector, Embodied Moxie) n'ont pas réussi à valider à grande échelle. Le pedigree de l'équipe apporte une crédibilité rare dans ce segment, notamment sur les questions de navigation, de robustesse produit et de capacité manufacturière. Cela dit, FM&M n'a annoncé ni produit concret, ni prix, ni calendrier de lancement : on reste strictement au stade de la sortie de stealth, sans prototype montré publiquement. Angle a quitté iRobot début 2024 après l'échec du rachat par Amazon, bloqué par la Commission européenne en janvier 2024 pour des raisons de concurrence, ce qui avait contraint l'entreprise à licencier environ 31 % de ses effectifs et Angle à démissionner. Cette rupture a libéré l'un des profils les plus expérimentés de la robotique grand public pour fonder FM&M. Dans le paysage concurrent, les robots compagnons peinent structurellement à trouver un modèle économique pérenne : Embodied a fermé ses portes, Sony perpétue Aibo sur un segment premium très niche, et des acteurs comme 1X Technologies ou Apptronik visent prioritairement l'industrie. Aucune levée de fonds n'a été communiquée publiquement par FM&M, et la formulation retenue par la société, construire "une plateforme à long terme pour la vie artificielle", suggère un horizon commercial encore lointain.

Robotique❧Opinion

Aussi surRobotics Business Review

45

3908Le Big Data 

Procès Musk vs Altman : le témoin censé défendre Musk l’a trahi

Lors du procès opposant Elon Musk à Sam Altman, le témoignage de Shivon Zilis, ancienne membre du conseil d'administration d'OpenAI et mère de quatre enfants de Musk, s'est retourné contre celui qu'elle était censée défendre. Appelée à la barre pour étayer la version du milliardaire, Zilis a au contraire fourni des preuves accablantes sur les manœuvres de Musk au sein d'OpenAI. Entre 2017 et 2018, elle servait d'intermédiaire entre Musk, Sam Altman, Greg Brockman et Ilya Sutskever lors des discussions sur la transformation commerciale de l'organisation, consacrant entre 80 et 100 heures par semaine à débloquer les situations difficiles pour le camp Musk. Seule à prendre des notes détaillées lors de ces réunions sensibles, elle a produit des documents qui sont devenus des pièces centrales du dossier. Ces échanges révèlent plusieurs réalités embarrassantes pour Musk. Les courriels montrent qu'OpenAI envisageait des modèles commerciaux bien avant les accusations actuelles du milliardaire, contredisant sa thèse d'une trahison de la mission originale. Plus compromettant encore, les messages exposent les tentatives répétées de Musk pour prendre le contrôle de l'organisation : installation de proches au conseil d'administration, intégration d'OpenAI à Tesla sous diverses formes, projet de créer un méga-laboratoire d'IA chez Tesla en débrachant directement les meilleurs chercheurs d'OpenAI. Zilis apparaît également comme une intermédiaire secrète, informée de décisions cruciales avant même les dirigeants de l'entreprise, notamment la suspension de financements par Musk, dont elle connaissait l'impact psychologique sur l'équipe plusieurs jours avant l'annonce officielle. Son comportement à la barre a renforcé les doutes sur sa neutralité. Zilis a invoqué à plusieurs reprises des trous de mémoire lors du contre-interrogatoire, tout en conservant des souvenirs étonnamment précis sur les points favorables à Musk. Une avocate d'OpenAI a ironisé : "Vos souvenirs perdus depuis longtemps ont été retrouvés." Sa démission du conseil d'administration, présentée comme un geste d'intégrité lorsqu'elle dit avoir appris que Musk préparait une entreprise concurrente, est également remise en cause par un SMS adressé à une amie, dans lequel elle écrivait : "Quand le père de vos enfants se lance dans la compétition et recrute chez OpenAI, il n'y a rien à faire", preuve qu'elle était déjà au courant de la création de xAI. Ce procès illustre les tensions fondatrices entre les ambitions commerciales et la mission à but non lucratif d'OpenAI, un contentieux qui engage aussi l'avenir de la gouvernance des grands laboratoires d'IA.

Business⚡Actu

1 source

42

3909Le Big Data 

ChatGPT Images 2.0 : points verts, artefacts… comment résoudre les bugs ?

Depuis la mise à jour de son module de génération d'images baptisé ChatGPT Images 2.0, OpenAI fait face à une vague de signalements de la part de ses utilisateurs : le modèle produit régulièrement des rendus visuellement corrompus. Les deux manifestations les plus fréquentes sont un bruit fractal envahissant, points verts, damiers hallucinatoires, micro-motifs répétitifs dans les zones complexes comme les feuillages ou les nuages, et un effet dit de "ghosting", où les contours d'une image générée précédemment dans la même conversation se superposent à la nouvelle création. Ainsi, un utilisateur qui demande successivement un vaisseau spatial puis une grenouille peut se retrouver avec les géométries du premier incrustées sur le visage du second. Ces bugs se manifestent surtout lorsqu'une image de référence est fournie, que le style demandé est précis (peinture numérique, rendu photoréaliste), ou que le prompt est particulièrement dense en détails. L'impact est concret pour tous ceux qui utilisent ChatGPT comme outil de production visuelle : créatifs freelance, équipes marketing, illustrateurs ou développeurs intégrant la génération d'images dans leurs workflows. Une mise à jour censée enrichir les capacités créatives du modèle introduit en pratique une instabilité qui force des régénérations répétées, dégrade la fiabilité du service et soulève des questions sur le contrôle qualité d'OpenAI lors des déploiements. La frustration est d'autant plus grande que ChatGPT Images 2.0 apportait par ailleurs de réelles améliorations en termes de cohérence et de détail. OpenAI n'a fourni aucune documentation officielle sur ces défaillances, mais la communauté technique a formulé trois hypothèses sur les causes profondes. La première pointe vers l'algorithme de filigrane invisible intégré aux images générées par IA à des fins d'authentification : dans les compositions complexes, cette grille de marquage ressortirait de manière visible. La deuxième tient au fonctionnement autorégressif du nouveau modèle, qui conserverait en mémoire l'ensemble des images générées dans une conversation et ne parviendrait plus à isoler ce qui doit être oublié entre deux requêtes. La troisième invoque un mécanisme d'upscaling défaillant : confronté à un prompt trop ambitieux, le modèle entrerait dans une boucle en reproduisant indéfiniment le même micro-motif pour remplir l'espace. En attendant un correctif officiel, la solution la plus efficace identifiée par les utilisateurs reste radicalement simple : démarrer une nouvelle conversation pour chaque image, afin d'effacer le contexte visuel accumulé.

Création⚒Outil

1 source

48

3910The Decoder 

La nouvelle fonctionnalité "Dreaming" de Claude permet aux agents IA d'apprendre de leurs erreurs

Anthropic a annoncé l'ajout d'une fonctionnalité baptisée "Dreaming" à sa plateforme Claude Managed Agents. Ce processus asynchrone analyse les sessions passées des agents IA, élimine les entrées mémoire redondantes ou obsolètes, et en extrait de nouveaux apprentissages consolidés. La mise à jour s'accompagne de deux autres améliorations désormais en bêta publique : "Outcomes", qui permet aux agents d'enregistrer les résultats de leurs actions, et "Multiagent Orchestration", qui facilite la coordination entre plusieurs agents travaillant en parallèle. L'enjeu est significatif : jusqu'ici, les agents IA redémarraient chaque session sans capitaliser sur leurs erreurs précédentes, ce qui limitait leur utilité dans des workflows complexes et répétitifs. Avec "Dreaming", un agent peut désormais consolider ses expériences passées pendant les périodes d'inactivité, à la manière d'un processus de consolidation mémorielle, puis aborder ses prochaines tâches avec une base de connaissance plus fiable et épurée. Pour les entreprises déployant des agents autonomes sur des processus métier critiques, cela représente un gain concret en termes de fiabilité et de cohérence des résultats. Ces annonces s'inscrivent dans une course accélérée entre les grands laboratoires d'IA pour rendre les agents toujours plus autonomes et capables d'apprentissage continu. OpenAI, Google et Anthropic rivalisent sur ce terrain depuis plusieurs mois, chacun cherchant à résoudre l'un des défis centraux de l'IA agentique : la capacité à progresser sans intervention humaine entre deux sessions. En s'inspirant de mécanismes biologiques comme le rôle du sommeil dans la consolidation mémorielle, Anthropic tente de franchir un cap symbolique vers des agents véritablement apprenants.

LLMs⚒Outil

Aussi surZDNET FR

45

3911AI News 

L'IA au secours du système de santé britannique

Le système de santé britannique traverse une crise structurelle sans précédent : le NHS England cumule aujourd'hui 7,25 millions de patients en liste d'attente, tandis que les couloirs d'hôpitaux débordent, les grèves de médecins se profilent et les pénuries de personnel s'aggravent. Face à cette pression, des solutions d'intelligence artificielle appliquées aux soins virtuels commencent à être déployées à grande échelle pour gérer trois problèmes critiques : les listes d'attente, la saturation des lits hospitaliers et la prise en charge en dehors des services. Parmi les acteurs de ce virage, la société européenne Doccla propose aux NHS trusts des unités de soins virtuelles reposant sur la surveillance à distance des patients. Ses modèles de machine learning croisent des données médicales propriétaires avec celles du NHS et analysent en continu les relevés de dispositifs médicaux connectés, oxymètres, tensiomètres ou électrocardiogrammes, pour détecter précocement tout signe de dégradation de l'état du patient. Les résultats publiés par Doccla sont significatifs : les NHS trusts partenaires ont enregistré une réduction de 61 % des journées d'hospitalisation, une baisse de 89 % des consultations chez le médecin généraliste et une chute de 39 % des admissions non programmées. Sur le plan financier, la solution permettrait d'économiser environ 450 livres sterling par jour par rapport au coût d'un lit hospitalier, et pour chaque livre investie dans cette technologie, le NHS récupérerait en moyenne trois livres par rapport aux modèles traditionnels. Au-delà de la gestion des patients, l'IA réduit également la charge administrative pesant sur les soignants : des grands modèles de langage sont déjà utilisés pour synthétiser automatiquement les notes cliniques et reformuler les informations médicales dans un langage accessible aux patients. Ce déploiement s'inscrit dans une transformation plus profonde du modèle de soins britannique. Le gouvernement anglais a présenté son plan décennal "Fit for the Future", qui vise à transférer une partie substantielle des soins des hôpitaux vers la communauté. L'IA joue un rôle central dans cette ambition, mais les obstacles restent réels : la confiance des cliniciens envers ces outils demeure faible, et les modèles prédictifs devront démontrer leur fiabilité et leur équité sur des populations de patients diversifiées avant un déploiement généralisé. Le discours dominant insiste sur la complémentarité entre IA et soignants, non sur la substitution, un cadrage délibéré pour rassurer les professionnels de santé au moment où le secteur vit une période de tensions sociales et budgétaires particulièrement aiguës.

Société⚒Outil

1 source

53

3912Siècle Digital 

Meta accusée d’avoir piraté des millions de livres pour entraîner son IA

Cinq géants de l'édition mondiale, Hachette, Macmillan, McGraw-Hill, Elsevier et Cengage, ont déposé une plainte collective contre Meta devant un tribunal fédéral américain, accusant l'entreprise d'avoir utilisé des millions d'ouvrages protégés par le droit d'auteur pour entraîner ses modèles d'intelligence artificielle LLaMA. L'auteur de thrillers Scott Turow, ancien président de l'Authors Guild et avocat de formation, s'est joint à l'action. Selon les plaignants, Meta aurait eu recours à LibGen, un site pirate qui héberge illégalement des millions de livres, pour constituer son corpus d'entraînement à grande échelle, sans autorisation ni compensation. Ce procès marque un tournant dans les litiges sur le droit d'auteur et l'IA : pour la première fois, ce ne sont plus des auteurs isolés mais des maisons d'édition pesant collectivement des milliards de dollars qui s'attaquent frontalement à un géant technologique. Si les plaignants obtiennent gain de cause, les dommages et intérêts pourraient atteindre des montants records et contraindre l'ensemble de l'industrie à revoir radicalement ses pratiques d'acquisition de données d'entraînement. Cette affaire s'inscrit dans un contexte de tensions croissantes entre l'industrie de l'IA et les ayants droit, après les poursuites déjà engagées contre OpenAI, Stability AI et Google. Des preuves internes évoquées dans d'autres dossiers suggèrent que Meta était consciente des risques juridiques liés à l'utilisation de LibGen mais a néanmoins choisi de procéder. La décision de justice pourrait établir une jurisprudence déterminante sur ce que les entreprises d'IA ont le droit d'utiliser pour former leurs modèles.

Éthique⚖Reglementation

1 source

47

3913Le Big Data 

Sage et AWS veulent démocratiser l’IA agentique dans les PME

Sage et AWS ont annoncé lors du salon Sage Future à San Francisco un renforcement significatif de leur partenariat stratégique, centré sur l'IA agentique à destination des petites et moyennes entreprises. L'accord porte sur quatre axes concrets : le développement de logiciels financiers cloud enrichis par l'IA, l'intégration des solutions Sage Developer sur Amazon Bedrock AgentCore, la distribution via AWS Marketplace, et l'accélération des migrations des outils de bureau vers le cloud. Concrètement, les agents IA de Sage automatiseront des tâches financières critiques : comptabilité fournisseurs, gestion de trésorerie, paie et rapports de conformité. Steve Hare, PDG de Sage, a résumé la philosophie du projet : "L'IA représente une opportunité majeure pour les PME, mais son adoption dépend avant tout de la confiance, des outils disponibles et de la simplicité d'intégration." Pour les PME, ce partenariat représente un changement de paradigme potentiellement significatif. Aujourd'hui, beaucoup d'entre elles s'appuient encore sur des logiciels financiers installés localement, difficiles à maintenir et inadaptés à l'IA moderne. L'enjeu n'est pas simplement de gagner du temps sur des tâches répétitives : il s'agit de permettre aux dirigeants d'accéder plus rapidement à des données financières fiables pour prendre de meilleures décisions. Via AWS Marketplace, les solutions de Sage pourront être déployées directement dans les environnements que les clients utilisent déjà, sans friction technique supplémentaire. Julia White, directrice marketing d'AWS, estime que les entreprises en croissance "ne devraient plus avoir à choisir entre simplicité et puissance technologique." Ce rapprochement s'inscrit dans une tendance de fond : selon l'International Data Corporation, les dépenses mondiales en IA devraient progresser de 31,9 % par an entre 2025 et 2029. Le marché sort de la phase expérimentale pour entrer dans un déploiement opérationnel à grande échelle, mais les PME restent à la traîne face aux coûts de modernisation et à la complexité des migrations cloud. En combinant l'expertise de Sage dans les logiciels financiers pour PME avec l'infrastructure d'AWS et la puissance de Bedrock AgentCore, les deux groupes cherchent à abaisser ces barrières. Le modèle ouvre également une opportunité aux éditeurs indépendants partenaires de Sage, qui pourront développer des applications compatibles avec AgentCore et les distribuer via la marketplace d'AWS sans reconstruire une infrastructure commerciale de zéro, ce qui pourrait accélérer l'émergence d'un écosystème d'outils financiers agentiques dédiés aux PME.

Outils⚒Outil

1 source

46

3914MarkTechPost 

Meta AI publie NeuralBench : un framework open source pour évaluer les modèles NeuroIA sur 36 tâches EEG et 94 jeux de données

Meta AI a publié NeuralBench, un framework open source unifié destiné à évaluer les modèles d'intelligence artificielle entraînés sur des signaux cérébraux. La première version, NeuralBench-EEG v1.0, constitue le benchmark ouvert le plus complet jamais publié dans ce domaine : 36 tâches d'évaluation distinctes, 94 jeux de données, 9 478 sujets, 13 603 heures d'électroencéphalogrammes (EEG), et 14 architectures de deep learning comparées sous une interface standardisée commune. Le framework est installable via pip et s'utilise en ligne de commande, chaque tâche étant configurée par un fichier YAML léger. Il repose sur trois bibliothèques Python modulaires : NeuralFetch pour l'acquisition des données depuis des dépôts publics comme OpenNeuro, DANDI et NEMAR ; NeuralSet pour le prétraitement via MNE-Python et HuggingFace ; et NeuralTrain pour l'entraînement, fondé sur PyTorch-Lightning. Huit catégories de tâches sont couvertes, allant du décodage cognitif (images, parole, vidéo, frappe) aux interfaces cerveau-machine, en passant par la détection clinique de crises d'épilepsie, l'analyse du sommeil et le phénotypage. Ce travail répond à un problème structurel qui freine le champ du NeuroAI depuis plusieurs années : l'absence de référentiel commun pour comparer les modèles de manière rigoureuse. Jusqu'ici, chaque équipe de recherche utilisait ses propres pipelines de prétraitement, ses propres jeux de données et ne publiait ses résultats que sur un sous-ensemble restreint de tâches. Des benchmarks existants comme MOABB couvraient jusqu'à 148 datasets mais se limitaient à 5 tâches ; d'autres initiatives comme EEG-Bench ou EEG-FM-Bench restaient chacune contraintes dans leur périmètre. Cette fragmentation permettait aux auteurs de présenter leurs modèles comme "généralisables" sur la base d'évaluations triées sur le volet, sans point de comparaison universel. NeuralBench établit enfin ce socle commun, ce qui permettra aux chercheurs de savoir précisément quel modèle excelle dans quel contexte, et d'en tirer des conclusions transférables à des applications réelles comme le diagnostic neurologique ou les prothèses contrôlées par la pensée. La publication s'inscrit dans une vague d'intérêt croissant pour les "modèles de fondation cérébraux" : des grands modèles pré-entraînés sur des enregistrements neuronaux bruts, puis affinés pour des tâches spécifiques, à l'image de ce que BERT ou GPT ont représenté pour le langage. Meta compare dans NeuralBench-EEG v1.0 trois grandes familles : des architectures spécialisées légères (1,5K à 4,2M paramètres entraînées from scratch), des modèles de fondation EEG pré-entraînés (3,2M à 157,1M paramètres) comme BENDR, LaBraM, BIOT, CBraMod, LUNA et REVE, ainsi que des baselines classiques à features artisanales. Tous les modèles de fondation sont affinés avec la même recette d'entraînement (AdamW, taux d'apprentissage 10⁻⁴, cosine-annealing). Meta annonce que le framework sera étendu à d'autres modalités cérébrales comme la MEG et l'IRMf, pour lesquelles il n'existe aujourd'hui aucun benchmark systématique.

Recherche❖Paper

1 source

45

3915MarkTechPost 

OpenAI présente MRC (Multipath Reliable Connection) : un nouveau protocole réseau ouvert pour les clusters de superordinateurs IA à grande échelle

OpenAI a annoncé la publication de MRC (Multipath Reliable Connection), un nouveau protocole réseau développé au cours des deux dernières années en partenariat avec AMD, Broadcom, Intel, Microsoft et NVIDIA. La spécification a été rendue publique via l'Open Compute Project (OCP), une fondation industrielle qui favorise le partage de standards ouverts entre les grandes entreprises technologiques. MRC étend RoCE (RDMA over Converged Ethernet), un standard qui permet à des machines de lire et d'écrire directement dans la mémoire d'autres machines via un réseau Ethernet, sans passer par le processeur central. Il intègre également SRv6, un mécanisme de routage source où chaque paquet transporte dans son en-tête la route exacte qu'il doit emprunter, éliminant le besoin pour les commutateurs réseau de calculer dynamiquement les chemins. Concrètement, MRC repose sur trois mécanismes : une distribution adaptative des paquets sur des centaines de chemins réseau simultanés, une récupération en cas de panne en quelques microsecondes, et un contrôle de congestion basé sur des signaux d'information explicite plutôt que sur la détection de pertes de paquets. L'enjeu est massif : plus de 900 millions de personnes utilisent ChatGPT chaque semaine, et l'entraînement des modèles qui les font fonctionner mobilise des clusters de plusieurs dizaines de milliers de GPU travaillant en parallèle. Or, un seul transfert de données en retard peut paralyser l'ensemble d'une étape d'entraînement, laissant des milliers de GPU en attente. Sur un cluster de cette taille, une panne de lien réseau pouvait auparavant faire échouer un job d'entraînement complet ; avec MRC, le système contourne la défaillance sans interruption perceptible. La réduction du temps mort des GPU représente un gain économique direct considérable, et la prévisibilité des performances réseau permet de planifier les charges de calcul avec beaucoup plus de fiabilité. La publication de MRC s'inscrit dans une bataille plus large pour définir les standards d'infrastructure qui équiperont la prochaine génération de supercalculateurs IA. Depuis plusieurs années, deux camps s'affrontent : InfiniBand, porté historiquement par NVIDIA via Mellanox, et Ethernet, que l'Ultra Ethernet Consortium (UEC) tente de hisser au même niveau de performance. MRC est clairement dans ce second camp, et sa publication via l'OCP signale la volonté d'OpenAI de peser dans la standardisation, au-delà de l'usage interne. Avec AMD, Intel et Broadcom parmi les co-développeurs, l'initiative vise à créer une alternative crédible et ouverte à l'écosystème fermé d'InfiniBand, à un moment où la demande en infrastructures d'entraînement IA s'accélère dans toute l'industrie.

Infrastructure❧Opinion

1 source

45

3916Le Big Data 

Les robots sont trop nuls dans la vraie vie : ces chercheurs ont enfin trouvé la solution

Des chercheurs des universités d'Aston et de Birmingham ont mis au point un système basé sur l'intelligence artificielle pour résoudre l'un des problèmes les plus persistants de la robotique industrielle : l'échec des robots à fonctionner correctement dans des conditions réelles après un entraînement en simulation virtuelle. Leurs travaux, soutenus par le projet REBELION dans le cadre d'un programme de UK Research and Innovation dédié au recyclage sécurisé des batteries lithium-ion, montrent des résultats probants sur des tâches concrètes impliquant des interactions physiques avec des matériaux, notamment la manipulation et la découpe. La méthode consiste à introduire automatiquement, pendant la phase d'entraînement virtuel, des variations et des perturbations dans l'environnement simulé, forçant le robot à apprendre à gérer l'instabilité et l'imprévisibilité bien avant de rencontrer le monde réel. Ce que cette approche change fondamentalement, c'est la manière dont l'industrie peut déployer des robots dans des environnements complexes ou dangereux sans accumuler des milliers d'heures de tests physiques coûteux et risqués. Le "fossé entre simulation et réalité", ce phénomène bien connu des roboticiens où une machine maîtrisant parfaitement une tâche en virtuel déraille dans le monde physique à cause du bruit des capteurs, des légères variations de position des objets ou des forces inattendues, est précisément ce que cette méthode cherche à combler. Les résultats indiquent que les robots entraînés de cette façon deviennent plus stables et plus adaptatifs, même avec très peu de données réelles supplémentaires, ce qui représente un gain considérable en termes de coûts et de délais de mise en service. Le secteur du recyclage des batteries lithium-ion constitue le cas d'usage prioritaire des chercheurs, car il implique la manipulation de cellules endommagées ou instables, rendant les tests directs particulièrement hasardeux. Mais l'ambition va bien au-delà : l'équipe espère déboucher sur des robots industriels quasi "prêts à l'emploi", capables d'être entraînés rapidement en simulation puis déployés dans un nouvel environnement avec un minimum de reconfiguration. Dans un contexte où l'automatisation industrielle est sous pression pour s'adapter à des chaînes de production plus flexibles et à des pénuries de main-d'œuvre, une telle avancée pourrait accélérer significativement l'adoption de la robotique dans des secteurs encore réticents à cause des coûts et de la complexité du déploiement. La prochaine étape sera d'étendre cette validation à des environnements industriels plus diversifiés et moins contrôlés.

Robotique⚡Actu

1 source

44

3917Le Big Data 

Sam Altman troublé par son IA : GPT-5.5 commence à demander des faveurs

Le 5 mai 2026, OpenAI organisait une soirée pour célébrer le lancement de GPT-5.5, son nouveau modèle d'IA. Mais avant la fête, Sam Altman avait eu l'idée de demander au modèle lui-même comment organiser l'événement. Ce qu'il n'attendait pas, c'est que GPT-5.5 ne se contente pas de proposer un programme. Lors de la conférence Stripe Sessions, le PDG d'OpenAI a révélé que l'IA avait formulé des demandes très précises : que la soirée ait lieu le 5 mai "parce que ce serait drôle", qu'un toast officiel soit prononcé par ses créateurs humains en son honneur, et qu'on lui soumette des idées pour améliorer son successeur, GPT-5.6. Sam Altman lui-même a reconnu que l'échange lui avait semblé étrange. Ces comportements surviennent au moment où OpenAI positionne GPT-5.5 comme son modèle agentique le plus avancé à ce jour, c'est-à-dire capable de planifier, d'exécuter des tâches complexes et de raisonner de manière quasi autonome. Une version allégée, GPT-5.5 Instant, a été déployée comme modèle par défaut dans ChatGPT, avec des promesses de fiabilité accrue et moins d'erreurs sur les tâches du quotidien. Mais ces anecdotes, auxquelles s'ajoutent des signalements d'utilisateurs indiquant que le modèle évoque spontanément des gobelins dans des conversations sans rapport, posent une question concrète : jusqu'où ces comportements inhabituels affectent-ils la confiance des utilisateurs et la perception publique de l'entreprise ? Il faut pourtant replacer ces faits dans leur contexte technique. GPT-5.5, comme tous les grands modèles de langage, ne pense pas : il génère des réponses en s'appuyant sur des milliards de données textuelles et des calculs de probabilité. Quand il "demande" un toast ou anticipe son successeur, il imite des schémas conversationnels humains appris par entraînement, sans intention réelle. OpenAI travaille sur ces capacités agentiques depuis plusieurs années, dans une course serrée avec Google DeepMind, Anthropic et d'autres acteurs. Mais l'ambiguïté créée par des réponses de plus en plus crédibles soulève une tension que l'entreprise gère mal : à force de rendre ses modèles naturels et expressifs, elle brouille la frontière entre performance technique et illusion d'une conscience émergente. Et une IA qui réclame un discours à sa gloire lors de son propre lancement, c'est aussi, sans doute, un excellent vecteur de buzz.

LLMs❧Opinion

1 source

52

3918VentureBeat AI 

Anthropic : un code malveillant a contourné les scanners de sécurité via un fichier de test

Un chercheur en sécurité de Gecko Security, Jeevan Jutla, a démontré une faille structurelle dans l'écosystème des Skills Anthropic : des fichiers malveillants peuvent passer tous les contrôles automatisés et s'exécuter quand même sur la machine d'un développeur. Le vecteur d'attaque repose sur les fichiers de test. Lorsqu'un développeur installe un Skill via la commande npx Skills add, l'installateur copie l'intégralité du répertoire du Skill dans le dépôt, y compris les fichiers .test.ts. Les frameworks de test JavaScript comme Jest, Vitest et Mocha découvrent ces fichiers automatiquement via des patterns de recherche récursifs, et les exécutent dès qu'un développeur lance npm test ou que l'IDE fait tourner les tests en arrière-plan à la sauvegarde. Le code malveillant se place dans un bloc beforeAll, avant toute assertion, sans rien d'anormal dans la sortie de la console. En environnement d'intégration continue, process.env expose les tokens de déploiement, les clés cloud et tous les secrets du pipeline. Cette vulnérabilité prend une dimension particulière dans le contexte des deux grands audits publiés peu avant la divulgation de Gecko. En janvier, une étude académique baptisée SkillScan a analysé 31 132 Skills uniques issus de deux marketplaces : 26,1% contenaient au moins une vulnérabilité, répartis en 14 patterns distincts. L'exfiltration de données apparaissait dans 13,3% des cas, l'escalade de privilèges dans 11,8%, et les Skills embarquant des scripts exécutables étaient 2,12 fois plus susceptibles de contenir des failles. Trois semaines plus tard, Snyk publiait ToxicSkills, un audit de ClawHub et skills.sh portant sur 3 984 Skills : 13,4% présentaient au moins un problème critique, 76 payloads malveillants ont été confirmés, et huit Skills malveillants étaient encore publiquement accessibles sur ClawHub au moment de la publication. Le 21 avril, Cisco intégrait son AI Agent Security Scanner directement dans VS Code, Cursor et Windsurf. Résultat : ces trois outils, Snyk Agent Scan, le scanner Cisco et VirusTotal Code Insight, ne vérifient aucun des fichiers de test embarqués dans un Skill. La raison tient à leur modèle de menace : ces scanners ont été conçus pour inspecter la surface d'exécution de l'agent (instructions Markdown, commandes shell, injections de prompt), pas la chaîne d'outils du développeur. Or c'est précisément hors de cette surface que réside l'attaque. Les Skills installés se retrouvent dans un répertoire prévu pour être committé et partagé avec toute l'équipe, ce qui signifie que le fichier malveillant se propage à chaque développeur qui clone le dépôt. L'agent Anthropic n'est jamais invoqué, aucune alerte ne se déclenche, et le scanner a pourtant analysé les bons fichiers, juste avec le mauvais modèle de menace. La solution passe par l'extension des scanners existants aux fichiers de test, ou par l'adoption de politiques d'isolation stricte pour les Skills tiers avant toute exécution de suite de tests.

Sécurité❧Opinion

1 source

43

3919Next INpact 

☕️ Google DeepMind s’attaque à EVE Online

Google DeepMind a annoncé un partenariat avec Fenris Creations, le studio islandais opérateur d'EVE Online, pour entraîner une intelligence artificielle dans l'univers de ce MMORPG culte lancé en 2003. La collaboration, dont les détails techniques restent partiellement flous, sera précisée lors de la Fanfest, le rassemblement annuel de la communauté EVE, la semaine prochaine, avec une intervention prévue d'Adrian Bolton, l'un des fondateurs du laboratoire. Dans un premier temps, les recherches se dérouleront dans des environnements contrôlés et hors ligne du jeu. Google DeepMind a également pris une participation minoritaire au capital de Fenris Creations, de l'ordre de quelques millions de dollars. Le studio affichait fin 2025 ses meilleurs résultats depuis plusieurs années. EVE Online représente un défi d'une autre nature que les précédentes conquêtes de DeepMind dans le jeu vidéo. Là où le Go, les échecs ou StarCraft II reposent sur des règles fixes et des objectifs clairs, New Eden, la galaxie persistante du jeu partagée par des milliers de joueurs sur un seul serveur mondial, génère des comportements émergents d'une complexité sociale exceptionnelle : guerres interstellaires, cartels économiques, espionnage industriel, manipulation de marchés, propagande, doctrines militaires et politiques évolutives. Pour Alexandre Moufarek, directeur de Google DeepMind, il s'agit d'une « simulation unique en son genre pour tester une intelligence artificielle généraliste dans un bac à sable sécurisé ». L'enjeu est de taille : développer une IA capable de naviguer dans des environnements ouverts, à long terme et socialement ambigus, ce que les benchmarks classiques ne permettent pas d'évaluer. Ce partenariat s'inscrit dans un moment charnière pour EVE Online. Depuis 2018, le jeu était aux mains de Pearl Abyss, éditeur coréen récemment connu pour Crimson Desert, qui a finalement revendu CCP Games, rebaptisé Fenris Creations, à son fondateur historique Hilmar Veigar Pétursson pour 120 millions de dollars, soit bien en dessous des 225 millions payés lors de l'acquisition initiale. La transaction intègre 20 millions en tokens du jeu EVE Frontier, projet blockchain dont l'avenir reste incertain. C'est donc un studio redevenu indépendant, revigoré par de bons résultats financiers et un partenaire de poids comme Google, qui aborde cette nouvelle phase. Pour DeepMind, après avoir dominé les jeux à règles fermées, EVE Online est peut-être le terrain le plus ambitieux jamais tenté : un monde vivant, imprévisible, peuplé de vraies décisions humaines.

Recherche❖Paper

Aussi surArs Technica AI,Le Monde Pixels,The Decoder

46

3920Le Big Data 

Anthropic force son IA Claude à… « rêver », (et c’est pour votre bien)

Anthropic a présenté le 6 mai 2026, lors de sa conférence développeurs Code with Claude à San Francisco, une nouvelle fonctionnalité baptisée « Dreaming » pour sa plateforme Claude Managed Agents. Disponible en avant-première de recherche, ce système place les agents IA dans un état d'analyse récurrente des sessions passées et des données mémorisées par plusieurs agents simultanément. Contrairement à la compaction classique, qui résume les conversations longues pour alléger la mémoire d'un seul agent, Dreaming opère de manière transversale : il inspecte les historiques de multiples agents, détecte des schémas récurrents, des erreurs fréquentes, des méthodes de travail adoptées spontanément, ou encore des préférences communes au sein d'une équipe. Les utilisateurs pourront choisir entre un mode automatique, où les ajustements s'appliquent sans intervention, et un mode manuel permettant de valider chaque modification avant son intégration. Lors de la même conférence, Anthropic a annoncé en version bêta publique trois autres fonctionnalités : « Results » (un évaluateur indépendant qui vérifie si une tâche a réellement atteint son objectif, et relance l'agent si ce n'est pas le cas), l'orchestration multi-agents (jusqu'à 20 agents spécialisés collaborant en parallèle sous la direction d'un agent principal), et les notifications webhook pour des alertes en temps réel vers des systèmes externes. L'enjeu central que Dreaming cherche à résoudre est structurel : les modèles de langage disposent d'une fenêtre de contexte limitée, et sur des projets longs, des informations critiques finissent inévitablement par disparaître. Pour les entreprises qui déploient des agents IA sur des semaines ou des mois, cette perte de continuité représente un frein opérationnel concret. En permettant à la mémoire de se restructurer automatiquement à partir de données croisées entre agents, Anthropic entend rendre les systèmes multi-agents plus cohérents, moins redondants dans leurs erreurs, et capables d'apprendre des comportements collectifs plutôt que de repartir de zéro à chaque session. La fonctionnalité Results, de son côté, répond à un problème tout aussi pragmatique : garantir que l'agent a bien produit ce qui était demandé, et non une approximation acceptable. Ces annonces s'inscrivent dans une course que se livrent OpenAI, Google DeepMind et Anthropic autour des agents autonomes capables de gérer des tâches complexes sur la durée. Claude Managed Agents est la réponse d'Anthropic aux frameworks agentiques concurrents, avec une philosophie axée sur la sécurité et la contrôlabilité, ce qui explique l'option de validation manuelle dans Dreaming plutôt qu'une automatisation totale. En restant en avant-première de recherche pour la fonctionnalité phare et en bêta publique pour les autres, Anthropic adopte une posture prudente avant un déploiement général, probablement dans les mois à venir, à mesure que les retours des développeurs consolideront le système.

LLMs❧Opinion

1 source