Actualités IA — page 209

7 642 articles au fil, du plus récent au plus ancien.

46

4161IEEE Spectrum AI 

Face à l'essor des cyberattaques à 1 dollar, les défenses durables font leurs preuves

Transformer une faille logicielle nouvellement découverte en cyberattaque prenait autrefois plusieurs mois. Aujourd'hui, les modèles d'IA générative peuvent accomplir la même opération en quelques minutes, pour moins d'un dollar de temps de calcul cloud. Anthropic a récemment illustré cette réalité avec son projet Glasswing : le modèle Claude Mythos a permis de détecter de manière préventive plus de mille vulnérabilités zero-day, dont des failles présentes dans chaque grand système d'exploitation et navigateur web du marché. Anthropic a coordonné la divulgation responsable de ces failles et travaillé à leur correction avant qu'elles ne soient exploitées. Ce qui relevait jadis du travail d'une équipe de chercheurs en sécurité pendant des semaines peut désormais être accompli, en théorie, avec une simple requête textuelle adressée à un LLM. L'impact de cette évolution est profondément asymétrique. Du côté offensif, les attaquants n'ont plus besoin d'une expertise technique avancée pour exploiter des vulnérabilités : les outils d'IA font le gros du travail. Des recherches récentes montrent que des modèles capables peuvent identifier et exploiter des failles de manière autonome, comprimant drastiquement le délai entre la découverte d'un bug et la production d'un exploit fonctionnel. Du côté défensif, en revanche, des ingénieurs humains restent indispensables pour lire, évaluer et agir sur ce que les modèles remontent. La vulnérabilité Log4j en 2021 illustre l'ampleur des risques : une faille critique dans une simple bibliothèque de journalisation, maintenue par une poignée de bénévoles, a exposé des centaines de millions d'appareils à travers le monde. L'essentiel du code sur lequel repose l'infrastructure numérique mondiale est maintenu par de petites équipes sans ressources dédiées à la sécurité. La situation rappelle une vague précédente d'automatisation de la découverte de failles. Au début des années 2010, des outils de fuzzing comme American Fuzzy Lop (AFL) ont mis à nu des vulnérabilités critiques dans tous les grands navigateurs et systèmes d'exploitation. La réponse de l'industrie a été d'industrialiser la défense : Google a construit OSS-Fuzz, un système qui exécute des tests en continu sur des milliers de projets open source. L'hypothèse dominante est que la découverte de failles par IA suivra le même arc, avec une intégration progressive dans les pipelines de développement standard. Mais la comparaison a ses limites : le fuzzing exigeait une expertise technique pointue pour être déployé, là où un LLM suffit aujourd'hui d'une invite en langage naturel. La question centrale reste ouverte : l'IA profitera-t-elle davantage aux attaquants ou aux défenseurs ? Le coût de découverte et d'exploitation des bugs tend vers zéro, mais celui de leur correction, lui, ne diminue pas.

Sécurité❧Opinion

1 source

41

4162Le Big Data 

Groupe SoftBank lance une pépite robotique déjà valorisée 100 milliards

SoftBank prépare le lancement d'une nouvelle entité baptisée Roze AI, dédiée à l'automatisation de la construction de centres de données, avec une introduction en bourse envisagée dès le second semestre 2026 aux États-Unis. Selon le Financial Times et le Wall Street Journal, le groupe japonais vise une valorisation de 100 milliards de dollars pour cette structure encore embryonnaire. L'idée centrale : déployer des robots autonomes pour accélérer, standardiser et réduire les coûts de construction des data centers, infrastructures devenues critiques pour alimenter la demande explosive en puissance de calcul liée à l'IA générative. L'enjeu est colossal. Construire un centre de données reste aujourd'hui un processus long, coûteux et très dépendant de la main-d'œuvre humaine. En automatisant cette chaîne, Roze AI pourrait réduire significativement les délais de mise en service au moment précis où hyperscalers, gouvernements et entreprises technologiques se disputent la capacité de calcul disponible. Si la formule fonctionne, SoftBank ne se contenterait plus d'être un investisseur dans l'écosystème IA : il deviendrait un acteur industriel direct, capturant une part de la chaîne de valeur physique de l'intelligence artificielle, au même titre qu'un grand fournisseur cloud comme AWS ou Microsoft Azure. SoftBank évolue depuis des années dans une logique de paris technologiques massifs, parfois triomphants comme avec Alibaba, parfois catastrophiques comme avec Zume, la startup de livraison de pizzas robotisées qui a tourné court. Cette fois, la stratégie change de nature : il ne s'agit plus de financer des startups prometteuses depuis l'extérieur, mais de créer de toutes pièces une entité industrielle intégrée. SoftBank n'est pas seul sur ce terrain : Jeff Bezos a cofondé Project Prometheus, initiative visant à racheter des entreprises industrielles pour les moderniser par l'IA, signalant une convergence plus large entre capital technologique et transformation des infrastructures physiques. En interne, le projet Roze AI suscite néanmoins des interrogations : selon le Financial Times, plusieurs employés du groupe doutent de la pertinence d'une valorisation à 100 milliards pour une entité qui n'a pas encore prouvé son modèle à grande échelle, et le calendrier d'IPO pour fin 2026 est jugé très ambitieux. La question reste entière : Roze AI deviendra-t-elle un standard de l'infrastructure IA mondiale, ou un nouveau pari à haut risque dans la longue histoire des investissements de SoftBank ?

Robotique❧Opinion

1 source

46

4163IEEE Spectrum AI 

DAIMON Robotics veut doter les mains robotiques du sens du toucher

En avril 2026, la startup hongkongaise DAIMON Robotics a publié Daimon-Infinity, qu'elle décrit comme le plus grand jeu de données omni-modal au monde pour l'IA physique. Ce corpus regroupe des millions d'heures de données multimodales issues de plus de 80 scénarios réels et de 2 000 compétences humaines référencées, couvrant des tâches aussi variées que le pliage de linge à domicile et l'assemblage industriel en usine. Dix mille heures de ces données ont été rendues publiques en open source. Le projet a été développé en partenariat avec Google DeepMind, l'Université Northwestern et la National University of Singapore. Au coeur du dispositif : un capteur tactile visuel monochrome capable d'intégrer plus de 110 000 unités de détection dans un module de la taille d'un bout de doigt, alimenté par un réseau de collecte décentralisé pouvant générer plusieurs millions d'heures de données par an. Ce lancement s'attaque à l'un des verrous les plus persistants de la robotique : l'absence de retour tactile dans les modèles d'apprentissage. Les architectures Vision-Language-Action (VLA), qui dominent aujourd'hui le domaine, reposent quasi exclusivement sur la vision, laissant les robots aveugles au toucher lors des manipulations physiques. DAIMON propose une alternative baptisée VTLA (Vision-Tactile-Language-Action), qui élève la perception tactile au rang de modalité à part entière, au même niveau que la vision. Pour les industriels et les chercheurs, l'enjeu est concret : un robot qui "sent" ce qu'il manipule peut gérer des objets fragiles, s'adapter à des textures inattendues et réduire drastiquement les erreurs de préhension. La publication de 10 000 heures en open source vise également à abaisser la barrière d'entrée pour les équipes de recherche qui peinent à constituer des datasets de qualité. Fondée il y a deux ans et demi, DAIMON s'est construite autour de la technologie de capteurs tactiles haute résolution avant d'élargir son ambition vers la donnée d'entraînement à grande échelle. La stratégie est portée par le professeur Michael Yu Wang, cofondateur et directeur scientifique, titulaire d'un doctorat de Carnegie Mellon où il a étudié la manipulation sous la direction de Matt Mason, et fondateur de l'Institut de robotique de l'Université des sciences et technologies de Hong Kong. Fellow IEEE et ancien rédacteur en chef de la revue IEEE Transactions on Automation Science and Engineering, il cumule quatre décennies dans le domaine. À terme, DAIMON vise des déploiements commerciaux dans des environnements à forte manipulation manuelle, comme les hôtels et les supérettes en Chine, où des robots dotés du sens du toucher pourraient remplacer des tâches aujourd'hui infranchissables pour les machines.

Robotique❧Opinion

1 source

50

4164Le Big Data 

Terafab : le pari fou d’Elon Musk pour dominer le silicium mondial

Elon Musk a annoncé le lancement de la Terafab, une méga-usine de semi-conducteurs implantée à Austin, au Texas, dotée d'un budget de 25 milliards de dollars. Le projet fusionne pour la première fois les ressources de Tesla, SpaceX et xAI sous un même toit industriel, avec l'ambition de produire des puces gravées à 2 nanomètres capables de délivrer une puissance de calcul annuelle d'un térawatt. L'objectif est de fabriquer en interne les processeurs dont dépendent les véhicules autonomes Tesla, les satellites Starlink et les systèmes d'intelligence artificielle de xAI. Le site d'Austin intégrera deux usines spécialisées, l'une dédiée aux processeurs pour réseaux satellites, l'autre aux puces pour la robotique terrestre, avec une capacité de production se chiffrant en milliards d'unités par an. L'enjeu central de la Terafab est de couper la dépendance de l'empire Musk vis-à-vis de TSMC, le géant taïwanais qui fabrique aujourd'hui l'essentiel des puces avancées mondiales. En internalisant toute la chaîne de valeur du silicium, de la conception à la production, Musk s'affranchit des délais de livraison, des fluctuations géopolitiques et des capacités limitées des fonderies externes. Cette boucle de tests intégrée entre les entités du groupe permettrait d'accélérer significativement le développement de nouveaux designs de puces. Pour l'industrie de l'IA, une telle capacité de production autonome représente un avantage compétitif majeur : xAI pourrait disposer d'un accélérateur de calcul garanti, indépendant des tensions d'approvisionnement qui ont paralysé d'autres acteurs du secteur ces dernières années. La Terafab s'inscrit dans un contexte de course mondiale aux semi-conducteurs où les États-Unis cherchent à réduire leur exposition à la production asiatique, notamment à travers le CHIPS Act voté en 2022. Intel, TSMC et Samsung ont déjà engagé des dizaines de milliards pour construire des capacités de fabrication en sol américain, mais aucun de ces projets ne combine production de puces et consommation captive à l'échelle envisagée par Musk. La stratégie d'intégration verticale totale rappelle l'approche de Tesla dans la batterie ou de SpaceX dans la fusée : tout fabriquer soi-même pour gagner en vitesse et en marge. Si la Terafab tient ses promesses, elle pourrait repositionner le Texas comme un nouveau centre mondial du silicium et faire de Musk le seul industriel occidental à contrôler simultanément les puces, les satellites, les robots et les modèles d'IA qui les font tourner.

Infrastructure❧Opinion

1 source

50

4165Le Big Data 

AWS approfondit sa collaboration avec OpenAI pour séduire les grandes entreprises

Amazon Web Services et OpenAI ont annoncé le 28 avril 2026 un élargissement significatif de leur partenariat, avec l'intégration des derniers modèles d'OpenAI directement dans Amazon Bedrock, la plateforme d'IA managée d'AWS. Concrètement, les entreprises clientes d'AWS peuvent désormais accéder aux modèles OpenAI via les mêmes API et outils que ceux déjà utilisés pour Anthropic, Meta, Mistral AI ou Cohere, sans changer d'environnement ni multiplier les contrats. Dans la foulée, AWS a annoncé le lancement de Codex sur Bedrock, l'agent de développement logiciel d'OpenAI déjà utilisé par plus de 4 millions de personnes chaque semaine, ainsi que le déploiement des Amazon Bedrock Managed Agents, une couche d'orchestration pour automatiser des workflows complexes en production. Pour les grandes organisations, l'enjeu dépasse le simple accès à de nouveaux modèles. Ce qui change concrètement, c'est la possibilité d'utiliser l'IA d'OpenAI sans renoncer aux garanties de sécurité et de conformité d'AWS : gestion des accès via IAM, chiffrement des données, journalisation avec CloudTrail, connectivité sécurisée via PrivateLink. Ces couches de gouvernance, déjà en place pour d'autres modèles Bedrock, s'appliquent désormais aux modèles OpenAI sans reconfiguration. À cela s'ajoute un avantage financier non négligeable : les usages OpenAI peuvent être imputés directement aux engagements cloud AWS existants, évitant la multiplication des fournisseurs et des lignes budgétaires. Pour les directions techniques et achats des grandes entreprises, c'est précisément le type de friction qui bloquait le passage du pilote à la production à grande échelle. Cette annonce s'inscrit dans une compétition acharnée entre les grands clouds pour capter les budgets IA des entreprises. Azure bénéficie depuis plusieurs années d'une exclusivité de fait sur OpenAI via l'investissement de Microsoft, qui détient une participation estimée à plusieurs dizaines de milliards de dollars dans la startup. En ouvrant Bedrock aux modèles OpenAI, AWS brouille cette distinction et positionne sa plateforme comme un guichet unique multi-modèles, où l'entreprise choisit le meilleur outil pour chaque cas d'usage sans dépendre d'un fournisseur unique. Pour OpenAI, l'accord élargit considérablement sa distribution commerciale au-delà de l'écosystème Microsoft, à une clientèle enterprise déjà ancrée dans AWS. Les prochains mois diront si cette convergence accélère l'adoption de Codex dans les équipes de développement, un marché où GitHub Copilot d'Amazon et Microsoft se livrent déjà une bataille directe.

Business❧Opinion

1 source

44

4166Le Big Data 

Box Automate : la fin des tâches répétitives en entreprise

Box a lancé Box Automate, une nouvelle solution d'automatisation intégrée à sa plateforme de gestion de contenu, avec pour ambition de transformer les documents statiques en déclencheurs d'actions autonomes. Développée en collaboration avec les modèles d'OpenAI, d'Anthropic et de Google, la solution repose sur un éditeur no-code basé sur le glisser-déposer, permettant à n'importe quel responsable de service de concevoir des flux de travail automatisés sans intervention du département informatique. Le système orchestre des agents IA spécialisés qui analysent le contenu des fichiers, extraient les métadonnées pertinentes et n'impliquent un humain que pour les décisions critiques. Parmi les premiers déploiements notables, Samsung utilise déjà l'outil pour automatiser l'onboarding de ses nouvelles recrues, en connectant des systèmes RH comme Workday et Greenhouse à Box DocGen pour générer des documents personnalisés en temps réel. L'enjeu central de Box Automate est de réduire drastiquement le délai entre la réception d'un document et l'action qui en découle, un goulot d'étranglement chronique dans la majorité des organisations. Les applications couvrent des fonctions très diverses : les services juridiques peuvent automatiser l'évaluation des risques contractuels, les équipes crédit croiser automatiquement les pièces justificatives pour instruire des dossiers de prêt, et les agences de recherche piloter la conformité de leurs rapports techniques. Aaron Levie, PDG de Box, positionne explicitement cette capacité d'automatisation du quotidien comme le véritable retour sur investissement de l'IA en entreprise, au-delà des usages ponctuels ou expérimentaux. Pour les utilisateurs finaux, le gain est immédiat : des traitements qui prenaient plusieurs jours peuvent désormais s'effectuer en quelques minutes. Box s'inscrit dans une tendance de fond qui voit les plateformes de gestion documentaire muer en véritables orchestrateurs de processus métier. Face à des concurrents comme Microsoft SharePoint ou Google Workspace qui intègrent eux aussi des couches d'automatisation IA, Box mise sur la flexibilité architecturale et la neutralité vis-à-vis des fournisseurs de modèles pour se différencier. Le choix d'une architecture ouverte, compatible avec plusieurs grands LLMs, permet à ses clients de bénéficier des avancées technologiques sans reconstruire leurs workflows internes. La commercialisation est déjà effective, avec une offre graduée selon les licences : les versions Business couvrent l'automatisation de base, tandis que l'Enterprise Advanced donne accès à l'orchestration complète par agents IA via Box AI Studio. La prochaine étape sera d'observer si ces promesses d'automatisation tiennent à l'échelle dans des environnements complexes, notamment sur les questions de gouvernance et de traçabilité des décisions prises par les agents.

Outils⚒Outil

1 source

40

4167AI News 

Guide des API, MCP et passerelles MCP

Les interfaces de programmation (API) et le Model Context Protocol (MCP) sont deux mécanismes permettant à des systèmes d'échanger des données, mais leur conception répond à des logiques fondamentalement différentes. Une API connecte deux applications selon un contrat rigide : la requête et la réponse sont toutes deux définies à l'avance dans le code, ce qui rend l'échange précis et prévisible, mais fragile dès qu'une des parties modifie son comportement. Le MCP, lui, a été conçu pour un consommateur d'un genre nouveau : les grands modèles de langage (LLM). Un serveur MCP expose trois types de capacités, des outils (actions que le modèle peut déclencher, comme créer un fichier ou interroger une base de données), des ressources (données lisibles en contexte) et des templates de prompts réutilisables. C'est le modèle lui-même qui décide, en fonction de la requête de l'utilisateur, quels outils ou ressources il juge pertinents. La distinction n'est pas qu'architecturale : elle a des conséquences directes sur les coûts et la précision des réponses de l'IA. Quand un LLM interroge une API classique, celle-ci peut renvoyer cinquante champs d'une fiche client alors que le modèle n'a besoin que du statut d'abonnement. Chaque octet inutile consomme des tokens, alourdit la facture d'inférence et dilue la réponse, le modèle peut s'appuyer sur des données non pertinentes et produire des réponses inexactes. Un outil MCP bien conçu retourne uniquement le nombre de clients abonnés à un service donné, sans envoyer l'historique complet des interactions. Pour les équipes qui déploient des assistants IA en entreprise, ce gain de précision et d'économie n'est pas négligeable sur des volumes de requêtes importants. Le MCP, standardisé par Anthropic en 2024, s'impose progressivement comme une couche d'abstraction centrale dans les architectures d'IA agentiques. Il ne remplace pas les API : dans de nombreux systèmes, un serveur MCP appelle lui-même des API en coulisses, mais filtre et formate les données avant de les transmettre au modèle. Cette approche, parfois désignée sous le terme de "MCP Gateway", permet de centraliser l'accès à de multiples sources de données via une interface unique. Les entreprises qui construisent des agents IA capables d'interroger des bases internes, de lire des documents ou de déclencher des actions métier se tournent de plus en plus vers cette architecture. Le choix entre API et MCP se résume ainsi : une API convient quand deux applications se connaissent parfaitement et échangent des données définies ; le MCP s'impose dès que le consommateur est un modèle d'IA dont les besoins varient selon les requêtes des utilisateurs.

Outils≡Tuto

1 source

45

4168Ars Technica AI 

Le coût caché des paramètres IA par défaut de Google et l'illusion du choix

Google pousse activement son assistant Gemini dans l'ensemble de son écosystème de produits, des messageries Gmail aux espaces de stockage Google Drive, transformant ses services les plus utilisés en terrain d'entraînement et de déploiement pour l'intelligence artificielle générative. La firme de Mountain View justifie cette intégration massive par une nécessité technique : l'IA générative exige des volumes considérables de données, et Google en dispose via ses centaines de millions d'utilisateurs actifs. Concrètement, Gemini peut accéder au contenu des emails, des documents et des fichiers personnels stockés dans les services Google. Ce déploiement soulève des questions sérieuses de confidentialité, d'autant plus que les règles de rétention des données varient selon la façon dont l'utilisateur accède à l'IA, une complexité délibérée qui rend difficile toute évaluation claire des risques. Tenter de se soustraire à la collecte de données expose les utilisateurs à ce que les experts en UX appellent des "dark patterns" : des éléments d'interface conçus pour décourager les refus, orienter vers le consentement par défaut et rendre la désinscription intentionnellement fastidieuse. Cette situation illustre une tension croissante entre les intérêts commerciaux des grandes plateformes technologiques et le droit des utilisateurs à contrôler leurs données. Alors que la bulle de l'IA générative suscite un scepticisme grandissant dans une partie de l'industrie, Google accélère son intégration au risque d'alimenter les critiques des régulateurs européens et américains déjà attentifs aux pratiques anticoncurrentielles et aux violations potentielles du RGPD. La question de savoir si les utilisateurs disposent d'un vrai choix ou d'une simple illusion de choix devient centrale.

Éthique⚖Reglementation

1 source

47

4169VentureBeat AI 

Netomi lève 110 millions de dollars, Accenture et Adobe misent sur l'IA pour le service client

Netomi, startup basée à San Francisco spécialisée dans les systèmes d'IA pour le service client en entreprise, a annoncé jeudi avoir levé 110 millions de dollars lors d'un tour de table mené par Accenture Ventures, avec la participation d'Adobe Ventures, WndrCo, Silver Lake Waterman, NAVER Ventures, Metis Strategy et Fin Capital. Jeffrey Katzenberg, cofondateur de DreamWorks et associé directeur de WndrCo, rejoint le conseil d'administration. Ce financement s'ajoute à un premier cercle d'investisseurs prestigieux comprenant Greg Brockman (cofondateur d'OpenAI), Demis Hassabis (cofondateur de Google DeepMind) et Mustafa Suleyman (directeur de Microsoft AI). L'opération ne s'arrête pas à l'apport de capitaux : Accenture a simultanément conclu une alliance mondiale avec Netomi pour déployer la plateforme auprès de ses clients du Fortune 100, mobilisant des centaines de consultants formés à l'outil. Adobe Ventures prévoit quant à elle d'intégrer Netomi dans son écosystème agentique Brand Concierge, donnant à la startup un accès direct à la couche logicielle qu'utilisent déjà de nombreuses grandes marques pour gérer leurs sites web et leurs parcours clients. Ce tour de table révèle une fracture qui se dessine dans l'IA d'entreprise : non plus entre ceux qui disposent d'un chatbot et ceux qui n'en ont pas, mais entre ceux capables de prouver que l'IA fonctionne dans les environnements réels, complexes et fortement encadrés des grandes organisations, et ceux qui brillent surtout en démonstration. Selon le PDG Puneet Mehta, un déploiement type chez un grand compte peut générer un impact de plusieurs dizaines de millions de dollars, certains clients étant sur une trajectoire à plusieurs centaines de millions. Gartner prédit que 40 % des applications d'entreprise intégreront des agents IA spécialisés d'ici fin 2026, contre moins de 5 % en 2025. Le marché autour de Netomi illustre l'intensité des enjeux. Sierra, la startup d'agents IA dirigée par l'ex-co-PDG de Salesforce Bret Taylor, a levé 350 millions de dollars à une valorisation de 10 milliards en septembre 2025 et réalisé trois acquisitions en 2026 à lui seul. Decagon a triplé sa valorisation à 4,5 milliards de dollars en janvier 2026 lors d'une Série D à 250 millions. Salesforce, ServiceNow et Intercom intègrent tous en urgence des agents IA dans leurs plateformes existantes, le Fin AI d'Intercom ayant franchi le seuil de 100 millions de dollars de revenus annuels récurrents à 0,99 dollar par résolution. Dans ce contexte, la levée de Netomi se distingue moins par son montant que par sa construction stratégique : l'alliance entre le réseau de distribution mondial d'Accenture, la présence d'Adobe dans la gestion de l'expérience numérique et le bilan de déploiements en production de Netomi représente une tentative coordonnée d'inscrire l'IA non comme une surcouche de chatbot, mais comme l'intelligence centrale qui gouverne l'ensemble des expériences digitales des entreprises.

Business❧Opinion

1 source

44

4170Le Big Data 

Claude intègre MalwareBytes : l’IA peut maintenant vous dire si un email est un scam

Anthropic a annoncé l'intégration de Malwarebytes dans son assistant Claude, permettant désormais aux utilisateurs de soumettre des liens, numéros de téléphone, adresses e-mail ou noms de domaine suspects directement dans l'interface pour obtenir une analyse de sécurité instantanée. L'activation se fait depuis la section Personnalisation de Claude, via l'onglet Connecteurs, sans nécessiter de compte Malwarebytes préexistant. Le système classe chaque élément analysé selon quatre niveaux de risque, sûr, malveillant, suspect ou inconnu, et accompagne chaque verdict de recommandations concrètes sur la marche à suivre. Cette fonctionnalité exploite la base de données de menaces de Malwarebytes, l'une des références du secteur de la cybersécurité grand public avec plusieurs centaines de millions d'appareils protégés dans le monde. L'enjeu est considérable : selon une étude publiée par Malwarebytes, 66 % des personnes interrogées déclarent avoir du mal à distinguer une offre légitime d'une tentative de fraude en ligne. Les arnaques par phishing, smishing et usurpation d'identité se sont massivement perfectionnées avec la généralisation des outils d'IA générative, rendant les messages frauduleux grammaticalement irréprochables et visuellement convaincants, y compris pour des utilisateurs aguerris. En intégrant une couche de vérification de sécurité directement dans un assistant conversationnel déjà utilisé au quotidien, Anthropic réduit la friction entre le doute de l'utilisateur et la vérification effective, là où auparavant il fallait copier-coller une URL dans un outil dédié, souvent inconnu du grand public. Cette intégration s'inscrit dans une tendance plus large de transformation des assistants IA en plateformes connectées à des services tiers spécialisés. Claude, comme ses concurrents GPT-4 et Gemini, multiplie les connecteurs pour étendre ses capacités au-delà de la génération de texte pure. Pour Malwarebytes, l'accord représente une opportunité de distribution massive auprès d'une base d'utilisateurs qui n'auraient jamais installé son logiciel traditionnel. La question qui se pose désormais est celle de la profondeur de l'analyse : une vérification basée sur des bases de données de menaces connues reste par définition réactive, incapable de détecter des domaines malveillants créés dans les dernières heures. Les suites possibles incluent une intégration plus poussée avec analyse comportementale en temps réel, voire une surveillance proactive des liens présents dans les conversations, ce qui soulèverait alors de nouvelles questions sur la confidentialité des données soumises à Claude.

Sécurité❧Opinion

1 source

49

4171AI News 

Les régulateurs signalent des lacunes dans le contrôle des agents autonomes

L'autorité australienne de régulation prudentielle (APRA) a tiré la sonnette d'alarme fin 2025 après un audit ciblé des grandes institutions financières du pays : banques et fonds de retraite adoptent massivement l'intelligence artificielle, mais leur gouvernance des risques associés reste insuffisante. L'examen, conduit auprès d'un échantillon représentatif d'entités régulées, a révélé que l'IA est désormais présente dans la totalité des organisations auditées, notamment pour l'ingénierie logicielle, le traitement des demandes de prêts, le tri des sinistres, la détection de fraudes et les interactions clients. Pourtant, les conseils d'administration se reposent encore trop souvent sur les présentations des fournisseurs plutôt que sur une analyse rigoureuse des risques, notamment ceux liés aux comportements imprévisibles des modèles ou aux conséquences d'une défaillance sur des opérations critiques. L'APRA a également identifié des lacunes concrètes : absence d'inventaires complets des outils d'IA déployés, manque de responsables désignés pour chaque instance, déficiences dans la surveillance des comportements des modèles et dans les procédures de mise hors service. Ces manquements ont des implications directes pour la stabilité du secteur financier australien, qui gère plusieurs milliers de milliards de dollars d'actifs. Lorsque les institutions traitent le risque IA comme un simple risque technologique classique, elles passent à côté des spécificités des modèles : biais, dérive comportementale, opacité des décisions. L'APRA exige désormais que la stratégie IA de chaque établissement soit alignée sur son appétit au risque, assortie de procédures claires en cas d'erreur et d'une supervision humaine obligatoire pour les décisions à fort enjeu. Sur le plan cybersécuritaire, l'adoption de l'IA élargit la surface d'attaque, notamment via l'injection de prompts et les intégrations non sécurisées. Les contrôles d'identité et d'accès, pensés pour des utilisateurs humains, n'ont pas été adaptés aux agents autonomes, et la dépendance à un fournisseur unique pour de nombreuses instances constitue un risque systémique supplémentaire, peu d'établissements étant capables de présenter un plan de sortie crédible. Cette mise en garde australienne s'inscrit dans une tendance mondiale. L'alliance FIDO, standard incontournable de l'authentification en ligne, vient de créer un groupe de travail spécialisé sur l'authentification agentique, en réponse aux modèles existants qui ont été conçus pour des humains et non pour des logiciels agissant en leur nom. Google (Agent Payments Protocol) et Mastercard (Verifiable Intent) ont déjà soumis leurs solutions à l'examen du groupe. Parallèlement, le Centre for Internet Security, financé en grande partie par le département américain de la Sécurité intérieure, vient de publier des guides de sécurité spécifiques aux LLM, aux agents IA et aux environnements Model Context Protocol, couvrant la gestion des accès non humains et les risques liés aux données sensibles. La gouvernance des agents autonomes devient ainsi l'un des chantiers réglementaires prioritaires de 2026, à mesure que leur déploiement s'accélère dans des secteurs à risques systémiques.

Régulation⚖Reglementation

1 source

48

4172AI News 

Big Tech prouve l'efficacité de ses dépenses en infrastructure IA, et augmente quand même la facture

Microsoft, Alphabet, Meta et Amazon ont publié leurs résultats trimestriels le même jour, offrant la première vérification à grande échelle du pari colossal qu'elles ont engagé sur l'infrastructure IA. Le verdict est sans ambiguïté : les quatre entreprises ont dépassé les attentes des analystes, et toutes quatre ont simultanément rehaussé leurs prévisions de dépenses en capital pour 2026. Ensemble, elles s'engagent désormais sur une enveloppe totale comprise entre 630 et 650 milliards de dollars pour l'année. Microsoft a enregistré un chiffre d'affaires de 82,9 milliards de dollars au premier trimestre, en hausse de 18 % sur un an, avec une croissance d'Azure à 40 % en devise constante, au-delà des 38,8 % anticipés par le consensus CNBC. Les revenus annualisés liés à l'IA dépassent désormais 37 milliards de dollars. Alphabet a affiché sa plus forte croissance trimestrielle depuis 2022, avec un bond de 63 % pour Google Cloud et un bénéfice net de 62,57 milliards de dollars, en hausse de 81 % sur un an. Meta a de son côté enregistré une croissance de 33 % de ses revenus, à 56,31 milliards de dollars, son rythme le plus rapide depuis 2021. AWS d'Amazon a connu sa croissance la plus rapide en quinze trimestres. Ces chiffres importent parce qu'ils répondent à la question que les marchés posaient depuis des mois : l'infrastructure IA génère-t-elle des retours ? La réponse est oui, mais avec une nuance cruciale. Chez Meta, c'est la plateforme publicitaire Advantage+, dopée à l'IA, qui transforme les investissements en revenus. Chez Microsoft, les obligations de performances commerciales restantes ont bondi de 99 % à 627 milliards de dollars, signe d'une demande entreprise robuste. Chez Alphabet, le PDG Sundar Pichai a lui-même reconnu que la société est "contrainte à court terme par les capacités de calcul", ce qui signifie que la demande dépasse la vitesse de construction. Pourtant, malgré des résultats opérationnels solides, le titre Microsoft a reculé de plus de 3 % en après-marché, preuve que les investisseurs scrutent désormais les dépenses autant que les revenus. Cet épisode s'inscrit dans une dynamique plus large qui s'est accélérée depuis le lancement de ChatGPT fin 2022 : les grandes plateformes technologiques ont transformé leurs bilans en paris sur l'infrastructure IA, convaincues que celui qui construit le plus vite capturera la valeur de la prochaine décennie. Microsoft relève sa prévision de capex annuel à 190 milliards de dollars, bien au-delà des 154,6 milliards attendus. Meta porte la sienne à 125-145 milliards, en partie à cause de la hausse des prix des composants. Alphabet annonce que ses dépenses 2027 "augmenteront significativement" par rapport à 2026. La question ouverte est celle de la soutenabilité : les revenus publicitaires et cloud peuvent-ils continuer à financer des engagements qui rivalisent avec le PIB de certains États, à mesure que la concurrence entre Google, Microsoft, Meta et Amazon s'intensifie sur chaque couche de la pile IA ?

Business❧Opinion

1 source

51

4173Next INpact 

Sans crier gare, la Chine sort un supercalculateur de 2,47 ExaFLOPS… sans GPU

La Chine vient de révéler, sans aucune communication officielle, l'existence d'un supercalculateur exascale baptisé LineShine, hébergé au Centre National de Supercalcul de Shenzhen (NSCC-SZ). La machine atteint une puissance théorique de 2,47 ExaFLOPS, dont 1,2 ExaFLOPS ont été effectivement mesurés lors de son utilisation pour entraîner un modèle de type MLIP (Machine Learning Interatomic Potentials), soit à peine un quart de sa capacité maximale. LineShine embarque 12,4 millions de cœurs de calcul et 1 310 téraoctets de mémoire HBM. Ce qui frappe immédiatement les observateurs : cette architecture est entièrement scalaire, sans aucun GPU. L'information n'est pas venue d'un communiqué de presse mais d'une publication scientifique parue il y a deux semaines, repérée et relayée par Stéphane Requena, directeur technique du Genci (Grand Équipement National de Calcul Intensif), sur LinkedIn. Si LineShine était soumis au classement Top500, référence mondiale des supercalculateurs, il se retrouverait au coude à coude avec El Capitan, le numéro un mondial actuellement en service aux États-Unis. L'enjeu dépasse la performance brute : ce supercalculateur démontre que la Chine est capable de construire des infrastructures de calcul de premier rang mondial sans dépendre des GPU haute performance de NVIDIA, dont l'exportation vers la Chine est soumise à embargo américain. L'absence de GPU dans une machine de cette envergure représente un choix architectural délibéré et une réponse technologique directe aux restrictions imposées par Washington. Pour les acteurs de l'IA et de la simulation scientifique, c'est la preuve que les restrictions d'exportation n'ont pas bloqué la montée en puissance chinoise, mais l'ont orientée vers des solutions souveraines. La Chine ne participe plus au Top500 depuis plusieurs années, dans un contexte de tensions croissantes avec les États-Unis autour des technologies stratégiques. Depuis les premières vagues de sanctions, Pékin a systématiquement développé ses propres alternatives matérielles et logicielles, tout en maintenant le silence sur ses capacités réelles. LineShine s'inscrit dans cette logique d'autonomie technologique assumée : les avancées chinoises en supercalcul se découvrent désormais à travers des publications académiques, non par des annonces officielles. Les prochains mois pourraient révéler d'autres systèmes de cette génération, alors que la course au calcul exascale s'accélère aussi bien pour la simulation climatique, la recherche pharmaceutique que pour l'entraînement de modèles d'intelligence artificielle de grande taille.

Infrastructure❧Opinion

1 source

50

4174Le Big Data 

Anthropic pourrait devenir la startup IA la plus chère de l’histoire

Anthropic serait en négociation avancée pour lever entre 40 et 50 milliards de dollars sur la base d'une valorisation comprise entre 850 et 900 milliards de dollars, ce qui en ferait la startup la plus chère de l'histoire. La demande des investisseurs est telle que certains fonds institutionnels proposent d'investir jusqu'à 5 milliards de dollars sans même avoir obtenu un rendez-vous avec la direction financière de l'entreprise. Bloomberg et Business Insider rapportaient déjà fin avril des offres à 800 milliards, mais l'emballement s'est encore accentué depuis. Une décision formelle pourrait être prise lors d'un conseil d'administration prévu en mai, où la direction devra trancher entre accepter ces conditions exceptionnelles ou patienter en vue d'une introduction en bourse. Cette valorisation stratosphérique repose sur une croissance réelle et spectaculaire. Anthropic affiche désormais un chiffre d'affaires annuel supérieur à 30 milliards de dollars, avec certaines estimations internes s'approchant des 40 milliards, contre environ 9 milliards seulement projetés fin 2025. Le moteur de cette accélération est principalement Claude Code et Cowork, ses outils de programmation assistée par IA qui s'imposent progressivement comme des standards dans les environnements techniques professionnels. Mais ce qui séduit surtout les investisseurs, c'est le potentiel encore inexploité de la société dans des secteurs comme la finance, la santé et les sciences de la vie, où l'automatisation intelligente pourrait rapidement devenir un outil critique et non substituable. En février 2026, Anthropic était valorisée à 380 milliards de dollars. En mars, OpenAI bouclait un tour de table record de 122 milliards pour atteindre 852 milliards de valorisation post-money. Si Anthropic concrétise les conditions actuellement discutées, elle dépasserait son principal concurrent et s'approcherait du trillion de dollars, un seuil jusqu'ici jamais franchi par une entreprise privée non cotée. Ce scénario soulève des questions fondamentales sur la nature même de ces valorisations : reflètent-elles une valeur économique réelle ou une anticipation extrême d'un futur incertain ? Fondée en 2021 par Dario Amodei et d'anciens cadres d'OpenAI, Anthropic a bénéficié d'investissements massifs d'Amazon et de Google, et se positionne aujourd'hui comme l'alternative la plus sérieuse à OpenAI dans la course aux grands modèles de langage. La question n'est plus de savoir si elle peut rivaliser, mais à quelle vitesse.

Business❧Opinion

1 source

48

4175Le Big Data 

« AI Sponsored Snaps » : Faîtes gaffe, votre « ami » IA sur Snapchat est peut-être un vendeur

Snapchat a lancé une nouvelle fonctionnalité publicitaire baptisée "AI Sponsored Snaps", qui introduit des agents conversationnels financés par des marques directement dans les discussions des utilisateurs. Concrètement, ces robots IA s'insèrent dans la messagerie et répondent aux questions comme n'importe quel interlocuteur, mais avec pour mission sous-jacente de guider les échanges vers des produits ou services commerciaux. Experian est le premier partenaire officiel : son agent commence par aborder des sujets financiers généraux avant d'orienter progressivement la conversation vers ses offres. Ce lancement intervient dans un contexte de croissance massive de l'usage de la messagerie sur la plateforme : 85 % des utilisateurs de Snapchat s'en servent régulièrement, et plus de 950 milliards de messages ont été envoyés au premier trimestre 2026 seulement. Cette initiative marque un tournant dans la façon dont la publicité s'infiltre dans les espaces numériques intimes. Contrairement à une bannière ou une vidéo sponsorisée clairement identifiable, les AI Sponsored Snaps se comportent comme de vrais interlocuteurs, rendant la frontière entre conversation et démarchage commercial particulièrement floue. Ajit Mohan, directeur commercial de Snapchat, résume la philosophie du projet en ces termes : "La conversation devient le bien immobilier le plus précieux en publicité." Pour les utilisateurs, l'intérêt reste difficile à cerner : les réponses fournies ne diffèrent pas fondamentalement de celles d'un assistant classique comme Gemini ou Claude, à la différence près que chaque échange est pensé pour générer des revenus aux marques partenaires. C'est la promesse d'un service, mais au profit du commanditaire. Snapchat s'appuie pour cela sur le bilan de My AI, son assistant conversationnel lancé en 2023, qui aurait été utilisé par plus de 500 millions de personnes depuis son déploiement. Ce socle d'adoption massif offre à la plateforme un terrain d'expérimentation publicitaire sans précédent dans la messagerie sociale. Mais le parcours n'a pas été sans accrocs : lors de tests menés par des journalistes et des chercheurs simulant des profils d'adolescents, My AI avait déjà fourni des réponses jugées inappropriées sur des sujets sensibles, soulevant des questions sur la modération et la protection des mineurs. Avec les AI Sponsored Snaps, ces enjeux se doublent d'une dimension commerciale qui risque d'amplifier les critiques. Le modèle que Snapchat est en train de construire, où l'IA sert autant de vendeur que d'assistant, pourrait bien devenir une référence pour d'autres plateformes cherchant à monétiser leurs espaces de conversation.

Éthique❧Opinion

1 source

45

4176Le Big Data 

Analyse de marchés publics : découvrez l’outil Odiana

Le cabinet lyonnais Odialis a lancé Odiana, une plateforme d'intelligence artificielle destinée aux TPE et PME qui souhaitent accéder aux marchés publics sans se noyer dans la complexité administrative. Conçu pour scanner automatiquement les appels d'offres, l'outil extrait en quelques secondes les points de vigilance, les obligations contractuelles et les critères d'éligibilité de chaque dossier. Accessible dès 49 euros par mois, il s'appuie sur seize années d'expérience terrain accumulées par Odialis dans le conseil aux entreprises pour la commande publique. L'outil intègre également un accompagnement à la décision stratégique dite "Go / No Go", qui aide les dirigeants à arbitrer rapidement s'il vaut la peine de répondre à un appel d'offres, et guide ensuite la rédaction du mémoire technique pour maximiser les chances de succès. Pour les petites structures, l'accès aux contrats publics représente un obstacle réel : les dossiers sont volumineux, le vocabulaire juridique opaque, et le temps à y consacrer souvent disproportionné par rapport aux ressources disponibles. Odiana vise à combler ce fossé en automatisant la veille et la phase d'analyse préliminaire, deux tâches chronophages qui découragent de nombreux dirigeants. En réduisant le coût d'entrée technique, la plateforme pourrait permettre à des entreprises qui s'excluaient jusqu'ici du marché public de candidater de manière compétitive, élargissant de facto la concurrence dans un secteur dominé par les grands groupes. Sur le plan technique, Odiana a été conçue avec une architecture entièrement française, hébergée localement et conforme au RGPD, s'appuyant sur les modèles de langage de Mistral AI pour s'affranchir des juridictions étrangères, notamment américaines. Ce choix de souveraineté numérique répond à une demande croissante des acteurs économiques français soucieux de la confidentialité de leurs données stratégiques. Le projet a bénéficié du soutien de Bpifrance et de partenaires industriels comme La Poste. Odiana s'inscrit dans une tendance plus large d'outillage IA à destination des PME françaises, un segment que plusieurs acteurs cherchent à capter en combinant LLM souverains et expertise sectorielle verticale, plutôt qu'en proposant des outils généralistes.

Outils⚒Outil

1 source

44

4177MarkTechPost 

IBM publie deux modèles Granite Speech 4.1 2B : ASR autorégressif avec traduction et édition non-autorégressive rapide

IBM a mis en ligne deux nouveaux modèles de reconnaissance vocale open source, Granite Speech 4.1 2B et Granite Speech 4.1 2B-NAR, disponibles sur Hugging Face sous licence Apache 2.0. Ces modèles compacts d'environ 2 milliards de paramètres visent à résoudre un problème classique des équipes IA en entreprise : les systèmes de transcription automatique performants exigent généralement des ressources de calcul importantes, tandis que les solutions légères sacrifient la précision. Les deux modèles partagent une architecture en trois composants, un encodeur audio, un adaptateur de modalité et un modèle de langage, mais divergent sur le mécanisme de décodage. Le modèle standard prend en charge la transcription multilingue et la traduction bidirectionnelle en anglais, français, allemand, espagnol, portugais et japonais. La variante NAR (non-autorégressif) se concentre uniquement sur la transcription, sans le japonais ni la traduction, mais avec des temps de réponse nettement plus rapides. IBM a également lancé discrètement une troisième variante, Granite Speech 4.1 2B-Plus, qui ajoute l'attribution par locuteur et des horodatages au niveau du mot. Sur le leaderboard Open ASR d'avril 2026, le modèle principal affiche un taux d'erreur sur les mots (WER) moyen de 5,33%, avec 1,33% sur le benchmark LibriSpeech clean, des résultats compétitifs pour un modèle de cette taille. L'intérêt concret de ces modèles réside dans leur efficacité à l'inférence. La version NAR utilise un modèle de langage bidirectionnel de 1 milliard de paramètres qui corrige la transcription en une seule passe, sans générer les tokens un à un comme le font les architectures autorégressives classiques. Cela réduit considérablement la latence, ce qui en fait une option sérieuse pour les applications temps réel, centres d'appels, sous-titrage en direct, assistants vocaux embarqués. Pour les équipes qui ont besoin de traduction ou de transcription en japonais, le modèle autorégressif standard reste nécessaire, mais la version NAR offre un avantage décisif dès que la vitesse prime sur la polyvalence. IBM s'inscrit ici dans une tendance de fond : la course aux modèles de reconnaissance vocale ouverts et compétitifs s'est intensifiée depuis qu'OpenAI a publié Whisper en 2022. Plusieurs acteurs, dont Meta et Nvidia, ont depuis proposé leurs propres alternatives, chacun cherchant à optimiser le rapport précision/coût computationnel. La famille Granite, déjà connue pour ses modèles de langage orientés entreprise, s'étend désormais à l'audio avec une approche modulaire et documentée, ce qui facilite l'intégration dans des pipelines existants. La publication sous licence Apache 2.0 permet un usage commercial sans restriction, ce qui devrait accélérer l'adoption dans des secteurs comme la santé, la finance ou les médias, où la transcription précise et souveraine est un enjeu stratégique.

Outils❧Opinion

1 source

40

4178VentureBeat AI 

Des tokens moins chers, des factures plus élevées : la nouvelle économie de l'infrastructure IA

Le coût d'une inférence IA a chuté d'environ un facteur dix en deux ans, porté par des gains d'efficacité sur les modèles et la concurrence acharnée entre fournisseurs cloud. Pourtant, les factures d'infrastructure des entreprises ne baissent pas : elles augmentent. C'est le paradoxe que décrit Anindo Sengupta, vice-président produits chez Nutanix : si le coût par token diminue d'un ordre de grandeur, la consommation, elle, a bondi de plus de 100 fois sur la même période. Résultat, les équipes IT se retrouvent à gérer des volumes d'inférence que rien ne laissait prévoir il y a deux ans, et des budgets GPU qui s'envolent malgré des prix unitaires en chute libre. Ce que les économistes appellent le paradoxe de Jevons se matérialise ici très concrètement : une ressource moins chère incite à en consommer davantage, jusqu'à dépasser les économies réalisées. L'essor de l'IA agentique amplifie le phénomène. Chaque assistant IA déployé en entreprise, chaque workflow automatisé, chaque pipeline d'agents génère en continu des milliers de requêtes d'inférence courtes et imprévisibles, très éloignées des gros jobs de training planifiés à l'avance. Ces flux bombardent les GPU, saturent les interconnexions réseau et sollicitent des systèmes de stockage conçus pour des charges stables. Le coût par token et le taux d'utilisation GPU deviennent ainsi des métriques opérationnelles de premier plan, au même titre que la disponibilité ou le débit. Les optimiser reste complexe : les variables sont trop nombreuses pour être gérées intuitivement, modèles, localisation des workloads, structure des prompts. Cette rupture expose les limites structurelles des datacenters traditionnels, pensés pour des charges prévisibles et des cycles d'approvisionnement longs. L'infrastructure agentique exige une topologie GPU spécifique, des interconnexions haute vitesse, un stockage parallèle pour les caches KV et la mémoire des agents. Quand GPU, réseau et stockage sont gérés en silos distincts, les inefficacités s'accumulent : les assets GPU coûteux se retrouvent sous-utilisés pendant que le réseau ou le stockage constituent les goulets d'étranglement. Face à cette réalité, les grands acteurs de l'infrastructure, Nutanix en tête, poussent vers des plateformes full-stack intégrées et validées de bout en bout, capables d'optimiser simultanément le calcul, le réseau et le stockage pour les workloads IA en production. L'enjeu n'est plus simplement de déployer de l'IA, mais de la faire tourner à l'échelle sans que les coûts d'infrastructure ne neutralisent les gains de productivité.

Infrastructure⚡Actu

1 source

44

4179Pandaily 

AI² Robotics défend les modèles VLA et lance NeuroVLA

Guo Yandong, fondateur et PDG d'AI² Robotics, a présenté NeuroVLA, un modèle d'action robotique de troisième génération qui réduit la latence de réponse de plusieurs centaines de millisecondes à quelques dizaines de millisecondes. L'entreprise articule l'évolution des architectures VLA (Vision-Language-Action) en trois stades : les modèles end-to-end de première génération unifiant perception et contrôle ; les systèmes de deuxième génération intégrant des world models pour le raisonnement prédictif ; et désormais NeuroVLA, architecture neuro-inspirée permettant une optimisation continue comparable à la mémoire musculaire. En parallèle, AI² Robotics a lancé AlphaBrain Platform, une boîte à outils open-source combinant modèles VLA neuro-inspirés, entraînement par reinforcement learning à base de tokens et architectures modulaires de world model, avec support des benchmarks de référence LIBERO et CALVIN. L'annonce ne précise ni contexte de déploiement réel, ni clients industriels : il s'agit d'un lancement de modèle et de plateforme, pas d'un déploiement terrain. La réduction de latence revendiquée est le chiffre à surveiller. En manipulation robotique, passer sous 50 ms est généralement considéré comme le seuil nécessaire pour des gestes précis en environnement non structuré. Si NeuroVLA tient ces performances hors laboratoire, cela représenterait une avancée concrète sur le sim-to-real gap, obstacle persistant à la commercialisation des robots VLA. L'ouverture d'AlphaBrain en open-source signale une stratégie d'écosystème : AI² Robotics cherche à fédérer des contributeurs autour de son approche architecturale, à l'image de ce que tente Physical Intelligence avec pi0. AI² Robotics est une startup chinoise spécialisée dans l'embodied AI pour robots manipulateurs et humanoïdes. La prise de position publique de Guo Yandong en faveur des VLA intervient dans un débat architectural actif : les pipelines VLA end-to-end, portés aussi par Figure AI et 1X Technologies, s'affrontent aux approches hybrides modulaires de Sanctuary AI ou Apptronik. Les prochains jalons crédibles à suivre sont les résultats publiés sur LIBERO et CALVIN, qui permettront une comparaison objective avec les modèles concurrents, ainsi que l'annonce éventuelle de pilotes industriels validant les métriques en conditions réelles.

Robotique❧Opinion

1 source

44

4180Le Big Data 

Plus besoin de bosser vos fichiers : Gemini crée des documents en quelques secondes

Google a annoncé le 29 avril 2026 une nouvelle fonctionnalité pour son assistant Gemini : la génération directe de fichiers téléchargeables depuis l'interface de chat. Les utilisateurs peuvent désormais demander à Gemini de produire des documents Word, des feuilles Excel, des PDF et d'autres formats compatibles avec Google Workspace ou Microsoft Office, sans quitter la conversation. Il suffit de décrire son besoin en langage naturel, un rapport client, un CV, un tableau de données, et l'IA génère le fichier complet en quelques secondes, structuré et prêt à l'emploi. Aucun modèle à importer, aucune manipulation préalable requise. La fonctionnalité a été présentée par le compte officiel @GeminiApp sur X, accompagnée d'une vidéo montrant la création simultanée de plusieurs fichiers à partir d'une seule requête. Ce changement supprime une friction majeure dans les flux de travail quotidiens : le copier-coller entre Gemini et un logiciel de bureautique. Pour les professionnels qui utilisent l'IA comme outil de production, rédaction de rapports, construction de tableaux de bord, préparation de présentations, le gain de temps est substantiel. Ce qui prenait auparavant plusieurs logiciels et une série d'allers-retours se centralise désormais en un seul point de saisie. L'impact touche aussi bien les indépendants que les équipes en entreprise, notamment pour les tâches répétitives à faible valeur ajoutée. La nuance tient cependant à la qualité : générer vite ne garantit pas générer juste. Sans relecture humaine, les documents produits peuvent manquer de précision ou de pertinence contextuelle, en particulier pour des livrables destinés à des clients ou des décideurs. Cette annonce s'inscrit dans une tendance de fond chez les grands acteurs de l'IA générative : transformer les assistants conversationnels en outils de production à part entière, capables de remplacer non seulement la réflexion mais aussi l'exécution technique. Microsoft intègre Copilot directement dans Office depuis 2023, OpenAI pousse ses Canvas et ses outils de génération de contenu, et Google accélère l'intégration de Gemini dans Workspace. La bataille se joue désormais sur le terrain de la productivité concrète, mesurable en heures économisées par semaine. Pour Google, cette fonctionnalité renforce la position de Gemini face à ses concurrents directs, notamment ChatGPT et Copilot, sur le marché des assistants professionnels. Les suites logicielles traditionnelles comme Microsoft 365 ou Google Docs ne disparaissent pas pour autant, mais leur rôle évolue : de point d'entrée, elles deviennent potentiellement un simple format de sortie.

Outils⚒Outil

1 source