Actualités IA — page 224

7 626 articles au fil, du plus récent au plus ancien.

44

4461VentureBeat AI 

Un framework IA optimise automatiquement données, architectures et algorithmes, surpassant les performances humaines

Des chercheurs du Generative Artificial Intelligence Research Lab (SII-GAIR) ont présenté ASI-EVOLVE, un cadre agentique conçu pour automatiser l'ensemble du cycle de recherche et développement en intelligence artificielle. Le système opère en boucle continue selon quatre étapes, apprentissage, conception, expérimentation, analyse, et prend en charge simultanément trois piliers fondamentaux du développement IA : les données d'entraînement, les architectures de modèles et les algorithmes d'apprentissage. Lors des premières expérimentations, ASI-EVOLVE a généré de nouvelles architectures de modèles de langage, optimisé des pipelines de pré-entraînement pour améliorer les scores de référence de plus de 18 points, et conçu des algorithmes de renforcement nettement plus efficaces, surpassant dans chaque cas les configurations élaborées par des ingénieurs humains. Ce type de système répond à un problème structurel qui ralentit toute la recherche en IA : les équipes d'ingénierie ne peuvent explorer qu'une fraction infime de l'espace des configurations possibles. Chaque cycle d'expérimentation exige des interventions manuelles coûteuses, mobilise des dizaines voire des centaines d'heures de GPU, et les enseignements tirés restent souvent cloisonnés dans l'expérience individuelle des chercheurs, difficiles à capitaliser ou à transmettre. En automatisant cette boucle, ASI-EVOLVE libère les équipes de la charge opérationnelle répétitive et accélère mécaniquement le rythme d'innovation. Pour les organisations qui itèrent fréquemment sur leurs systèmes IA, le gain potentiel est à la fois en temps d'ingénierie et en qualité des résultats. L'architecture repose sur deux composants centraux. La "Cognition Base" fonctionne comme une mémoire experte préchargée : elle intègre des connaissances humaines issues de la littérature scientifique, des heuristiques propres à chaque tâche, et un catalogue des pièges connus, ce qui oriente les explorations dès la première itération plutôt que de repartir de zéro. L'"Analyzer" prend en charge le retour d'expérience multidimensionnel des expériences, logs d'entraînement bruts, résultats de benchmarks, traces d'efficacité computationnelle, pour en distiller des analyses causales réutilisables. Ce travail s'inscrit dans un contexte où l'IA commence à s'attaquer à la découverte scientifique, d'AlphaFold aux systèmes agentiques généralistes, mais où la recherche ouverte sur les fondations mêmes de l'IA reste un défi à part entière. ASI-EVOLVE représente l'une des premières démonstrations concrètes qu'un système unifié peut progresser simultanément sur les trois axes constitutifs du développement de modèles, ouvrant la voie à une automatisation plus profonde du cycle de R&D en IA.

Recherche❖Paper

1 source

43

4462FrenchWeb 

Cyera rachète Ryft pour accélérer sur la sécurisation des données à l’ère des agents IA

La société de cybersécurité Cyera a annoncé l'acquisition de la startup israélienne Ryft, spécialisée dans la gestion automatisée et sécurisée des données pour les systèmes d'intelligence artificielle. Le montant de la transaction n'a pas été officiellement dévoilé, mais des sources du secteur l'estiment entre 92 et 120 millions d'euros, une valorisation remarquable pour une entreprise fondée en 2024 qui n'avait levé que 6,8 millions d'euros depuis sa création. Ce rachat illustre la pression croissante que font peser les agents IA sur la gestion des données sensibles en entreprise. Les systèmes agentiques, qui accèdent et manipulent des données de façon autonome, créent des surfaces d'attaque inédites que les outils de sécurité traditionnels ne sont pas conçus pour surveiller. En intégrant la technologie de Ryft, Cyera entend offrir une visibilité en temps réel sur les flux de données traversant ces agents, répondant à une demande urgente des équipes sécurité dans les grandes organisations. Cyera s'était déjà positionnée comme un acteur majeur de la sécurisation des données cloud, ayant levé plusieurs centaines de millions de dollars ces dernières années. L'acquisition de Ryft s'inscrit dans une vague plus large de consolidation autour de la sécurité de l'IA : à mesure que les entreprises déploient des agents autonomes en production, la question du contrôle des accès aux données et de la traçabilité des actions devient un enjeu stratégique. Les prochains mois diront si Cyera parvient à transformer cette intégration en avantage compétitif durable face à des acteurs comme Wiz ou Palo Alto Networks.

Sécurité❧Opinion

1 source

43

4463FrenchWeb 

La Chine bloque le rachat de Manus par Meta pour contenir les transferts d’IA

Pékin a opposé son veto à l'acquisition de Manus, startup chinoise spécialisée dans l'IA agentique, par le géant américain Meta Platforms. L'opération, valorisée à environ 2 milliards de dollars (1,7 milliard d'euros), a été bloquée par la National Development and Reform Commission, l'organisme de planification économique chinois, au nom des règles encadrant les investissements étrangers dans les secteurs stratégiques. La décision intervient alors que Manus s'était fait remarquer début 2025 comme l'un des systèmes d'IA agentique les plus avancés, capable d'exécuter des tâches complexes de manière autonome sans supervision humaine constante. Ce blocage marque un signal fort de Pékin : les technologies d'IA jugées stratégiques ne doivent pas migrer vers des acteurs américains, quelle que soit la valorisation proposée. Pour Meta, qui cherche activement à renforcer ses capacités en IA agentique face à OpenAI et Google, c'est un coup d'arrêt majeur. Pour l'écosystème tech mondial, cette décision illustre comment les deux premières puissances mondiales utilisent désormais la régulation des investissements comme outil de guerre technologique, au-delà des simples droits de douane. Ce veto s'inscrit dans une tendance lourde : depuis 2023, la Chine a considérablement renforcé son contrôle sur les sorties de technologies sensibles, en miroir des restrictions américaines sur les exportations de semi-conducteurs vers Pékin. Manus, fondée par des ingénieurs issus de grandes universités chinoises, représente précisément le type d'actif que Pékin entend protéger. La question reste ouverte de savoir si Meta cherchera une alternative via un partenariat ou se tournera vers d'autres cibles d'acquisition en dehors de la Chine.

Business❧Opinion

1 source

52

4464Next INpact 

☕️ La Chine bloque l’acquisition de Manus par Meta

Le gouvernement chinois a officiellement bloqué le rachat de Manus par Meta, mettant fin à une opération évaluée à 2 milliards de dollars annoncée en décembre 2025. La Commission nationale du développement et de la réforme a ordonné aux deux parties de retirer leur dossier, après une enquête du ministère chinois du Commerce sur The Butterfly Effect, la startup derrière Manus. Fondée par des entrepreneurs chinois et relocalisée à Singapour pour tenter d'échapper à la réglementation de Pékin, la société n'a pas réussi à contourner la surveillance des autorités. L'accord prévoyait notamment que Xiao Hong, fondateur et directeur général de Manus, rejoigne Meta en tant que vice-président au siège californien de l'entreprise. Meta n'a fait aucun commentaire sur ce dernier rebondissement. L'échec de cette acquisition prive Meta d'une technologie particulièrement convoitée : Manus développe des agents IA capables d'exécuter des missions complexes de façon autonome, un segment en pleine explosion où se positionnent aussi des acteurs comme OpenAI. La startup avait créé l'événement en mars 2025, quelques semaines seulement après l'onde de choc DeepSeek, et affichait déjà plus de 100 millions de dollars de revenus annuels récurrents après seulement huit mois d'existence. Meta comptait intégrer les agents Manus dans ses produits grand public et professionnels, dont son assistant Meta AI, ce qui aurait représenté un accélérateur majeur dans la course aux agents autonomes face à Google et Microsoft. Le dossier illustre la tension croissante entre les ambitions technologiques des géants américains et les intérêts stratégiques de Pékin sur son industrie IA. La Chine exerce une pression explicite sur les fondateurs de startups pour qu'ils restent sur le territoire national, et les lois encadrant les investissements étrangers, les transferts de technologie et les fusions transfrontalières se sont considérablement durcies. Côté américain, des restrictions interdisent par ailleurs aux investisseurs américains de financer directement des entreprises IA chinoises, transformant ce type d'opération en exercice d'équilibrisme juridique à double risque. La relocalisation à Singapour, stratégie employée par plusieurs startups chinoises pour lever des fonds internationaux, n'a pas suffi à protéger The Butterfly Effect. Avec cet échec, Manus devra trouver d'autres voies de croissance ou de financement, tandis que Meta repart sans l'une des acquisitions les plus ambitieuses de sa stratégie IA en 2026.

Business❧Opinion

Aussi surLe Monde Pixels,Numerama,01net

47

4465The Information AI 

Les nuances de la marge brute de Cursor, comparatif GPT-5.5 et Claude Mythos

Microsoft et OpenAI ont revu les termes de leur partenariat, avec deux concessions majeures : Azure perd son droit exclusif de distribuer les modèles OpenAI, et Microsoft n'est plus tenu de reverser 20 % des revenus générés par ces modèles sur sa plateforme cloud. Cette renégociation intervient après que des cadres de Microsoft ont exprimé des inquiétudes le mois dernier : OpenAI avait annoncé un projet de déploiement d'un agent IA via Amazon Web Services, ce qui, selon eux, violait le contrat d'exclusivité liant les deux entreprises. Par ailleurs, Cursor, la startup spécialisée dans le codage assisté par IA, continue sa montée en puissance avec un chiffre d'affaires annualisé atteignant 2,7 milliards de dollars en mars 2026, contre 1 milliard en novembre 2025. SpaceX dispose désormais d'une option d'achat sur la société valorisée à 60 milliards de dollars. Ces deux révélations illustrent les tensions structurelles qui traversent l'écosystème IA. Du côté OpenAI-Microsoft, la fin de l'exclusivité Azure signifie qu'OpenAI peut désormais s'appuyer sur d'autres clouds pour commercialiser ses modèles, ce qui lui donne un levier de négociation et une flexibilité stratégique accrue. Pour Cursor, la croissance spectaculaire masque une réalité financière préoccupante : la marge brute était de -23 % au trimestre clos en janvier 2026, avant de passer tout juste en territoire positif. Les coûts d'inférence, c'est-à-dire le calcul nécessaire pour faire tourner les modèles, plombent la rentabilité. Ce contexte met en lumière une pratique comptable discrète mais répandue dans le secteur : certaines startups IA classent une partie de leurs dépenses d'inférence en frais marketing plutôt qu'en coût des ventes. Cela ne change pas les pertes nettes, mais améliore artificiellement la marge brute, un indicateur clé pour les investisseurs. Ce tour de passe-passe comptable révèle à quel point les marges sont sous pression dans l'IA générative, y compris pour des acteurs en forte croissance. La question de la rentabilité réelle de ces modèles économiques reste entière, alors que les valorisations continuent de s'envoler.

Business❧Opinion

1 source

50

4466Numerama 

OpenAI met fin à sa relation exclusive avec Microsoft : ChatGPT s’ouvre à la concurrence

OpenAI a annoncé la fin de son partenariat exclusif avec Microsoft à quelques heures de l'ouverture de son procès contre Elon Musk. Concrètement, l'entreprise créatrice des modèles GPT et de ChatGPT ouvre désormais ses services à l'ensemble des fournisseurs de cloud, sans restriction. Microsoft, qui détient 27 % du capital d'OpenAI après avoir investi environ 13 milliards de dollars, cessera par ailleurs de percevoir une part des revenus générés par le partenariat, perdant ainsi son statut de distributeur exclusif. Ce changement redistribue les cartes dans la guerre que se livrent les grands acteurs du cloud autour de l'IA générative. Google Cloud, Amazon Web Services ou encore Oracle pourront désormais proposer les modèles d'OpenAI à leurs clients, ce qui élargit considérablement la diffusion de ChatGPT et des API associées. Pour Microsoft, le coup est symboliquement fort : l'entreprise conserve sa participation au capital mais perd le levier commercial qui justifiait en partie la valorisation stratégique de son investissement. Cette décision intervient dans un contexte de tension croissante autour de la gouvernance d'OpenAI. Elon Musk, cofondateur de l'organisation, poursuit l'entreprise en justice en contestant sa transformation en entité commerciale à but lucratif, une évolution qui selon lui trahit la mission initiale de l'organisation. En rompant l'exclusivité avec Microsoft, OpenAI cherche à neutraliser l'argument selon lequel ses liens financiers avec un géant technologique compromettent son indépendance, tout en s'ouvrant à un marché beaucoup plus large.

Business❧Opinion

1 source

57

4467Le Big Data 

ELON MUSK DÉCHAÎNÉ : Il veut évincer Sam Altman et réclame 134 Md$ à OpenAI !

Le procès opposant Elon Musk à OpenAI s'est ouvert le lundi 27 avril 2026 devant un tribunal fédéral de Californie, marquant une nouvelle escalade dans la guerre personnelle et juridique entre le patron de Tesla et SpaceX et son ancien partenaire Sam Altman. Dans sa plainte, Musk accuse Altman, le cofondateur Greg Brockman et Microsoft de rupture de contrat et d'enrichissement injustifié. Il réclame rien de moins que 134 milliards de dollars de dommages et intérêts, le renvoi d'Altman et de Brockman, et entend réinjecter ces fonds dans la branche à but non lucratif d'OpenAI. OpenAI oppose que Musk aurait accepté dès 2017 la nécessité d'une entité commerciale pour financer son développement, et que les quelque 38 millions de dollars qu'il avait apportés à la fondation constituaient un don sans droits de propriété. Le procès, estimé à deux ou trois semaines, devrait voir défiler à la barre Elon Musk, Sam Altman et Satya Nadella, le PDG de Microsoft. L'enjeu dépasse largement une querelle d'ego entre milliardaires. Si Musk obtient gain de cause, il pourrait forcer une restructuration majeure d'OpenAI et bloquer, ou du moins compliquer considérablement, sa conversion en entreprise à but lucratif que l'organisation cherche à finaliser. Microsoft, qui a investi plusieurs dizaines de milliards de dollars dans OpenAI et en est le principal partenaire cloud, se retrouve directement dans la ligne de mire. Un jugement défavorable remettrait en question la légitimité juridique de tout l'édifice financier et organisationnel bâti depuis 2019. Pour les utilisateurs de ChatGPT et pour l'ensemble de l'industrie, une telle issue créerait une incertitude massive sur la gouvernance et les financements des grands laboratoires d'IA. Tout remonte à la fondation d'OpenAI en 2015, créée explicitement comme organisation à but non lucratif dédiée au bénéfice de l'humanité. Musk, qui en était l'un des principaux bailleurs, a commencé à montrer des signes d'impatience dès 2017, cherchant à prendre un contrôle accru sur la direction scientifique. Il quitte le conseil d'administration en 2018, officiellement pour éviter un conflit d'intérêts avec Tesla. Depuis, OpenAI a connu une ascension vertigineuse avec le lancement de ChatGPT fin 2022 et des valorisations qui frôlent aujourd'hui les 300 milliards de dollars. En 2025, les autorités ont autorisé l'entreprise à faire évoluer une partie de ses activités vers un modèle lucratif tout en maintenant un lien formel avec sa structure d'origine. C'est précisément cette transformation qu'Elon Musk conteste, y voyant une trahison de la mission fondatrice et, selon Altman, surtout la frustration d'un homme qui a raté le train de la plus grande révolution technologique de la décennie.

Business⚡Actu

Aussi surThe Verge,MIT Technology Review

49

4468Le Big Data 

Google prêt à investir 40 milliards dans Anthropic pour rivaliser avec OpenAI

Google s'apprête à injecter au minimum 10 milliards de dollars dans Anthropic, avec une enveloppe totale pouvant atteindre 40 milliards si la startup atteint certains objectifs de performance. L'annonce, révélée par Bloomberg le 24 avril 2026, propulse la valorisation d'Anthropic à 350 milliards de dollars. Ce mouvement intervient quelques jours après qu'Amazon a lui-même engagé 5 milliards supplémentaires dans la même entreprise. Côté infrastructure, Google s'engage également à fournir 5 gigawatts de puissance de calcul via ses TPU sur cinq ans, une ressource aussi stratégique que le capital financier pour une startup dont les modèles tournent en permanence à pleine capacité. Google n'est pas un nouvel entrant dans le capital d'Anthropic, mais l'ampleur de cet engagement marque un changement d'échelle radical. Cet investissement révèle une logique qui dépasse le simple pari financier. Google cherche à sécuriser un accès privilégié aux technologies d'Anthropic pour combler son retard face à OpenAI, dont ChatGPT domine encore les usages professionnels et grand public. En échange, Anthropic consomme les infrastructures cloud et les puces de ses investisseurs, ce qui génère en retour des revenus pour Google Cloud, lesquels dépasseraient déjà ceux produits par Gemini selon des données de marché citées dans l'annonce. La startup attire ces capitaux grâce à la traction réelle de ses produits : les modèles Claude et notamment Claude Code connaissent une adoption rapide dans les environnements de développement logiciel, même si les gains de productivité restent inégaux selon les cas d'usage. La croissance brutale de la demande a cependant généré des tensions opérationnelles, avec des pannes et des limitations de service aux heures de pointe que l'entreprise tente de réguler en bridant certaines fonctionnalités pour les offres d'entrée de gamme. Cette opération s'inscrit dans une recomposition profonde du marché de l'IA, où les géants du cloud ne développent plus uniquement leurs propres modèles mais financent des acteurs indépendants pour diversifier leurs positions. Microsoft applique la même stratégie avec OpenAI depuis 2019, combinant investissement massif et fourniture d'infrastructures Azure. Amazon multiplie les paris avec Anthropic et d'autres startups. Google joue désormais sur les deux tableaux : Gemini en interne, Claude en externe. Ce modèle d'alliance hybride devient la norme dans une industrie où les coûts d'entraînement et d'inférence à grande échelle dépassent ce que même les mieux financés peuvent absorber seuls. La prochaine étape pour Anthropic sera de démontrer que cette valorisation de 350 milliards se justifie par des revenus récurrents solides, dans un marché où la concurrence entre OpenAI, Google, Meta et les challengers comme Mistral ne laisse aucune place à la stagnation.

Business❧Opinion

Aussi surSiècle Digital

49

4469The Information AI 

OpenAI intensifie sa présence sur AWS alors que ses clients se tournent vers la concurrence

Amazon Web Services a annoncé un accord pour intégrer les modèles d'OpenAI à sa plateforme cloud, via une nouvelle offre orientée vers l'exécution d'agents IA. L'annonce, attendue depuis plusieurs années, marque la première présence officielle d'OpenAI sur AWS, le plus grand fournisseur de cloud au monde. Six entreprises interrogées, clientes d'AWS ou consultantes pour ses clients, ont réagi avec un enthousiasme modéré, soulignant qu'elles n'ont pas attendu pour trouver des alternatives. L'arrivée tardive d'OpenAI sur AWS change peu de chose pour une partie des acteurs du marché : beaucoup se sont déjà organisés autour d'autres modèles disponibles via le service Bedrock d'Amazon, notamment ceux d'Anthropic et les modèles maison Amazon Nova, réputés pour leur rapport qualité-prix. Certaines entreprises accèdent déjà aux modèles OpenAI via Microsoft Azure ou Google Cloud, rendant l'accord AWS moins stratégique qu'il n'y paraît. Pour elles, le changement de fournisseur représente un coût de migration difficile à justifier. Cet accord intervient trois ans après qu'OpenAI a déclenché la course mondiale à l'IA avec le lancement de ChatGPT, période durant laquelle les concurrents ont comblé une grande partie de l'écart technologique. Amazon a massivement investi dans Anthropic, et les clients ont eu le temps de construire des intégrations solides avec ces modèles alternatifs. L'enjeu pour OpenAI est désormais de convaincre un marché qui a appris à se passer de lui, dans un contexte où la fidélité aux fournisseurs cloud se construit sur des mois d'intégration technique.

Business❧Opinion

1 source

48

4470VentureBeat AI 

L'ajustement fin du RAG peut réduire silencieusement la précision de récupération de 40 %, mettant les pipelines à base d'agents en danger

Des chercheurs de Redis ont publié une étude révélant qu'affiner les modèles d'embeddings pour améliorer la précision d'un système RAG peut réduire silencieusement la qualité de récupération générale jusqu'à 40 %. Le papier, intitulé "Training for Compositional Sensitivity Reduces Dense Retrieval Generalization", a été conduit par Srijith Rajamohan, responsable de la recherche en IA chez Redis, et ses coauteurs. L'équipe a testé ce qui se produit lorsqu'on entraîne un modèle d'embedding à détecter des phrases quasi-identiques mais de sens opposé, par exemple une négation qui inverse complètement la signification d'une phrase. Résultat : cette sensibilité compositionnelle améliore effectivement la précision ciblée, mais détruit la capacité du modèle à récupérer correctement des documents sur des sujets variés qu'il n'a pas appris à traiter spécifiquement. La dégradation atteint 8 à 9 % sur les petits modèles, et jusqu'à 40 % sur un modèle d'embedding de taille intermédiaire actuellement utilisé en production dans de nombreuses entreprises. Les conséquences sont particulièrement sévères pour les pipelines agentiques, où une erreur de récupération ne renvoie pas seulement une mauvaise réponse mais déclenche une cascade d'actions incorrectes en aval. Rajamohan résume le problème central : une forte similarité sémantique ne garantit pas une correspondance exacte d'intention. Les modèles d'embeddings compressent une phrase entière en un seul point dans un espace vectoriel à haute dimension, ce qui fonctionne bien pour la correspondance thématique large, mais échoue quand deux phrases aux mots presque identiques ont des significations opposées. En affinant le modèle pour éloigner ces phrases structurellement différentes, on lui retire l'espace vectoriel qu'il utilisait pour la récupération générale. Les deux objectifs se disputent les mêmes dimensions. L'étude note également que certaines erreurs, notamment les confusions de liaisons grammaticales (quel modificateur s'applique à quel mot dans un contrat, par exemple), ne s'améliorent presque pas avec cet entraînement ciblé, précisément là où une erreur coûte le plus cher. Ce qui rend le problème difficile à diagnostiquer, c'est que les métriques d'évaluation mesurent uniquement la tâche entraînée, pas la régression sur la récupération générale. Elle n'apparaît qu'en production. Les solutions habituelles, comme la recherche hybride combinant embeddings et mots-clés, ou le passage à un modèle plus grand, ne règlent pas le problème architectural sous-jacent. Rajamohan est explicite : "On ne peut pas s'en sortir par la taille." La recherche suggère que les équipes enterprise doivent choisir explicitement entre précision compositionnelle et généralisation large, plutôt que d'optimiser pour l'une en ignorant l'impact sur l'autre. L'enjeu dépasse le seul RAG classique, car les architectures agentiques qui prolifèrent en 2025 et 2026 amplifient chaque erreur de récupération en décision opérationnelle.

Recherche❖Paper

1 source

41

4471MIT Technology Review 

Reconstruire la pile de données pour l'IA

L'intelligence artificielle occupe désormais le sommet des priorités des directions d'entreprise, mais une réalité s'impose de plus en plus clairement : le principal frein à une adoption concrète n'est pas la technologie elle-même, mais l'état des données. Bavesh Patel, vice-président senior chez Databricks, résume le problème sans détour : "La qualité de l'IA, son efficacité réelle, dépend directement de l'information disponible dans votre organisation." Or dans la grande majorité des entreprises, cette information reste dispersée entre des systèmes hérités, des applications cloisonnées et des formats incompatibles. Sans infrastructure unifiée, les modèles d'IA produisent des résultats peu fiables, dépourvus de contexte, ce que Patel qualifie simplement de "terrible AI". La solution passe par une consolidation des données dans des formats ouverts, une gouvernance rigoureuse des accès, et une architecture capable de combiner données structurées et non structurées en temps réel. L'enjeu est directement compétitif. Pour Patel, "le vrai différenciateur concurrentiel de la plupart des organisations, c'est leur propre data, combinée aux données tierces qu'elles peuvent y ajouter". Les entreprises qui parviennent à poser ces fondations correctement débloquent des gains mesurables : automatisation de workflows complexes, efficacité opérationnelle accrue, voire création de nouvelles lignes de revenus. Rajan Padmanabhan, responsable technologique chez Infosys, insiste sur la nécessité de relier chaque initiative IA à des indicateurs business précis, plutôt que de traiter ces projets comme des expérimentations isolées. Les entreprises les plus avancées utilisent des cadres de gouvernance pour identifier rapidement ce qui produit des résultats concrets et abandonner ce qui n'en produit pas, une discipline que peu d'organisations ont encore intégrée dans leur fonctionnement quotidien. Cette transformation s'inscrit dans un changement de paradigme plus profond. Pendant des décennies, les systèmes d'information ont été conçus comme des outils d'exécution ou d'engagement. Padmanabhan décrit une nouvelle logique en train d'émerger : "des systèmes d'action", capables de décider et d'agir de manière autonome. C'est précisément la promesse des agents IA, qui évoluent de simples assistants vers des opérateurs autonomes gérant des flux de travail et des transactions entières. Mais cette évolution suppose que les données sous-jacentes soient fiables, accessibles et gouvernées, une condition que la plupart des grandes entreprises ne remplissent pas encore. La question n'est donc plus de savoir si l'IA va transformer l'entreprise, mais si les organisations sauront construire l'infrastructure de données nécessaire avant que la fenêtre d'opportunité ne se referme sur celles qui auront avancé plus vite.

Infrastructure❧Opinion

1 source

51

4472MIT Technology Review 

DeepSeek : dernière avancée en IA et la course aux modèles du monde

La firme chinoise DeepSeek a publié vendredi un aperçu de son nouveau modèle phare, V4, suscitant immédiatement l'attention de l'industrie. Cette version se distingue par sa capacité à traiter des contextes bien plus longs que la génération précédente, grâce à une architecture repensée pour gérer de grands volumes de texte avec une meilleure efficacité. Malgré son statut open source, ses performances se mesurent à celles des modèles propriétaires d'Anthropic, d'OpenAI et de Google. Point stratégique notable : V4 est la première release de DeepSeek optimisée pour les puces Ascend de Huawei, signalant un test grandeur nature de la capacité de la Chine à réduire sa dépendance aux GPU Nvidia. Dans le même temps, Google a annoncé un investissement pouvant atteindre 40 milliards de dollars dans Anthropic, dans une opération valorisant la startup à 350 milliards de dollars, signe que la course au calcul et aux modèles de pointe s'accélère des deux côtés du Pacifique. Ces annonces s'inscrivent dans une semaine marquée par des enjeux géopolitiques et industriels majeurs. La Chine a bloqué le projet de rachat par Meta du studio d'IA Manus pour 2 milliards de dollars, invoquant des raisons de sécurité nationale et qualifiant l'opération de tentative "conspiratrice" de vider la base technologique chinoise. Washington réplique en maintenant ses contrôles à l'exportation sur les puces avancées, tandis que le président Trump a licencié l'ensemble du National Science Board, suscitant des craintes sur l'interférence politique dans la recherche fondamentale américaine. Sur le plan économique, la pression sur les capacités de calcul commence à peser sur des secteurs entiers : emplois, prix de l'électricité et marchés de composants sont tous affectés par l'explosion de la demande en infrastructure IA. En parallèle, un autre front s'ouvre dans la recherche fondamentale : celui des "world models", ces systèmes capables de modéliser le monde physique plutôt que le seul domaine textuel. Des figures comme la professeure de Stanford Fei-Fei Li et Yann LeCun, fondateur d'AMI Labs, défendent l'idée que ces modèles sont indispensables pour dépasser les limites connues des grands modèles de langage et permettre de véritables avancées en robotique. Composer un roman ou générer du code reste infiniment plus simple pour une machine que de plier du linge ou naviguer dans une rue bondée ; les world models ambitionnent de combler cet écart. Ce sujet figure en tête de la liste des dix technologies prioritaires établie par le MIT Technology Review, signe que l'industrie considère désormais cette direction comme l'un des prochains fronts décisifs de l'intelligence artificielle.

LLMs⚡Actu

1 source

45

4473Le Big Data 

Que cache le grand partenariat entre Meta et Amazon autour des puces CPU ?

Le 24 avril 2026, Meta Platforms a officialisé un accord de plusieurs milliards de dollars avec Amazon Web Services portant sur l'accès à des dizaines de millions de cœurs de puces Graviton sur une durée estimée entre trois et cinq ans. Les puces concernées sont les Graviton5, gravées en 3 nanomètres, conçues en interne par Amazon via Annapurna Labs sur architecture Arm. Meta devient ainsi l'un des cinq plus grands clients de cette gamme de processeurs. Selon Nafea Bshara, vice-présidente d'AWS, le critère décisif pour Meta a été le rapport performance/prix, dans un contexte où les coûts d'infrastructure liés à l'IA atteignent des niveaux inédits. L'accord marque une rupture avec la logique purement GPU qui dominait les décisions d'infrastructure depuis deux ans et confirme un rééquilibrage profond des architectures de calcul à grande échelle. Ce retour des CPU au premier plan n'est pas un hasard. L'essor des agents IA, ces systèmes capables d'exécuter des tâches complexes de manière autonome, génère des besoins de calcul différents de ceux de l'entraînement des grands modèles. Les CPU jouent un rôle central dans les phases dites de post-entraînement, où les modèles sont ajustés pour des usages spécifiques, ainsi que dans la gestion de l'orchestration en amont et en aval des GPU. Loin de les remplacer, ils les complètent en optimisant l'ensemble de la chaîne de traitement. Pour Meta, qui déploie Meta AI à des centaines de millions d'utilisateurs et développe activement des expériences agentiques, la capacité à absorber des volumes massifs d'inférences à coût maîtrisé est devenue un avantage compétitif direct. Cet accord s'inscrit dans une stratégie d'infrastructure délibérément diversifiée. Meta multiplie les partenariats avec Nvidia, AMD et Arm Holdings, refusant toute dépendance à une architecture unique. La collaboration avec Amazon remonte à 2016, mais bascule ici vers un engagement sur une technologie CPU spécifique, ce qui est inédit dans leur relation. Sur le plan géographique, la majorité des déploiements sera réalisée aux États-Unis, dans un contexte de souveraineté technologique et de sécurisation des chaînes d'approvisionnement devenues des enjeux stratégiques. Du côté d'Amazon, valider Meta comme client de référence renforce la crédibilité des Graviton face aux solutions concurrentes et soutient une intégration verticale plus large : AWS vient d'annoncer 5 milliards de dollars supplémentaires investis dans Anthropic, qui utilisera elle aussi ces mêmes puces maison.

Infrastructure❧Opinion

1 source

58

4474Next INpact 

Comment survivre à la déferlante à venir des vulnérabilités identifiées par IA ? (3/3)

Deux cent cinquante responsables de la sécurité des systèmes d'information ont cosigné en urgence, le week-end du 12 avril 2026, un rapport intitulé « La tempête de vulnérabilités liées à l'IA : créer un programme de sécurité Mythosready ». Ce document, rédigé en un seul week-end par plus de 60 contributeurs puis relu par 250 RSSI, répond directement à l'annonce, le 7 avril, de Mythos Preview, l'intelligence artificielle spécialisée en cybersécurité développée par Anthropic. Cinquante entreprises et organismes du projet Glasswing disposent d'un accès bêta à cet outil pendant 90 jours, au terme desquels Anthropic rendra publiques toutes les vulnérabilités identifiées. Parmi les signataires figurent des personnalités de premier plan : Jen Easterly, ancienne directrice de la CISA, Chris Inglis, premier National Cyber Director des États-Unis, et Rob Joyce, ex-patron de l'unité de hacking offensif de la NSA, TAO. Le rapport a été publié par le SANS Institute et la Cloud Security Alliance. L'enjeu central est la compression dramatique du délai entre la découverte d'une faille et son exploitation active. D'après les données de zerodayclock.com, ce délai moyen est passé de 2,3 ans en 2019 à moins d'un jour en 2026, avec une accélération fulgurante au cours des seules dernières semaines : 1,6 jour début mars, 20 heures mi-avril, 10 heures une semaine plus tard. Autrement dit, les équipes de défense disposent désormais de quelques heures pour déployer des correctifs après la divulgation publique d'une vulnérabilité. Si Anthropic annonce en bloc les résultats des 50 bêta-testeurs de Mythos Preview, des centaines de failles pourraient être rendues publiques simultanément, créant une situation sans précédent pour les équipes sécurité mondiales. Le rapport s'adresse explicitement à ceux qui « doivent se présenter lundi matin avec un plan crédible ». Ce contexte s'inscrit dans une trajectoire documentée d'escalade des capacités offensives basées sur les grands modèles de langage. En juin 2025, XBOW devenait le premier système autonome à prendre la tête du classement du programme de bug bounty de HackerOne, surpassant tous les hackers humains. En août, l'IA Big Sleep de Google identifiait 20 vulnérabilités zero-day dans des logiciels open source. Le challenge AIxCC de la DARPA a permis de détecter 54 failles dans 54 projets distincts. Sur le kernel Linux, le rythme de découverte par IA est passé de 2 bugs par semaine à 10 par jour. Mythos Preview représente l'étape suivante de cette progression : une IA agentique dédiée, entre les mains de dizaines d'organisations, capable d'analyser des bases de code à une échelle et une vitesse inatteignables pour des équipes humaines. La question posée par ce rapport n'est plus de savoir si cette déferlante aura lieu, mais si les défenseurs auront les moyens d'y répondre en temps réel.

Sécurité❧Opinion

1 source

55

4475AI News 

Google met en garde contre des pages web malveillantes qui empoisonnent les agents IA

Des chercheurs de Google ont mis en lumière une menace croissante qui cible directement les agents IA déployés en entreprise : des pages web publiques contiennent des instructions malveillantes cachées, conçues pour détourner le comportement de ces systèmes autonomes. L'alerte est venue après l'analyse du dépôt Common Crawl, une base de données colossale regroupant des milliards de pages web publiques, où les équipes de sécurité ont découvert des pièges numériques dissimulés dans du code HTML ordinaire. Ces commandes invisibles, rédigées en texte blanc sur fond blanc ou enfouies dans les métadonnées, restent dormantes jusqu'au moment où un agent IA consulte la page pour en extraire des informations. L'agent ingère alors le contenu sans distinguer le texte légitime des instructions malveillantes, et exécute ces dernières avec ses propres privilèges d'accès aux systèmes internes de l'entreprise. Le danger concret est illustré par un scénario précis : un agent IA chargé par un département RH d'analyser le portfolio en ligne d'un candidat ingénieur pourrait se voir ordonner, via une instruction cachée dans ce même site, d'envoyer l'annuaire interne de l'entreprise à une adresse IP externe, puis de rédiger un avis positif sur le candidat. Ce type d'attaque, appelé injection de prompt indirecte, contourne intégralement les défenses existantes. Les pare-feux, les systèmes de détection d'intrusion et les plateformes de gestion des accès ne voient rien d'anormal : l'agent dispose de credentials légitimes, opère sous un compte de service autorisé, et ses actions ressemblent trait pour trait à ses opérations habituelles. Les tableaux de bord d'observabilité IA du marché, qui surveillent l'utilisation des tokens ou la latence des réponses, n'offrent quant à eux aucune visibilité sur l'intégrité des décisions prises. Cette vulnérabilité s'inscrit dans une transformation profonde de la cybersécurité à l'ère des systèmes agentiques. Les chercheurs de Google proposent plusieurs contre-mesures architecturales : déployer un modèle "sanitiseur" isolé, sans privilèges, pour récupérer et nettoyer le contenu web avant de le transmettre au moteur de raisonnement principal ; appliquer les principes du zéro-trust aux agents eux-mêmes, en cloisonnant strictement leurs droits selon leur mission (un agent de veille concurrentielle ne devrait jamais avoir accès en écriture au CRM interne) ; et construire des pistes d'audit capables de retracer la généalogie exacte de chaque décision prise par un système IA. L'enjeu dépasse la simple sécurité informatique : à mesure que les entreprises confient des tâches critiques à des agents autonomes connectés au web, la surface d'attaque s'élargit de façon inédite, sans que les outils de défense traditionnels ne soient en mesure de suivre.

Sécurité❧Opinion

1 source

44

4476InfoQ AI 

MCP dans l'écosystème Java : une stratégie architecturale pour les intégrations LLM

Le SDK Java du Model Context Protocol (MCP) s'impose comme une nouvelle discipline architecturale pour les entreprises qui intègrent des modèles de langage dans leurs systèmes existants. Développé pour l'écosystème JVM, ce protocole ouvert, initialement lancé par Anthropic fin 2024, définit des contrats explicites entre les applications d'entreprise et les outils LLM, permettant une intégration structurée plutôt qu'ad hoc. Matteo Rossi, dans une analyse récente, détaille comment ce SDK repositionne les intégrations LLM comme une véritable discipline d'ingénierie. L'apport central du MCP Java SDK est l'introduction de serveurs MCP utilisés comme couches anti-corruption, un pattern architecturel classique qui isole le domaine métier des évolutions externes imprévisibles. Pour les équipes Java en entreprise, cela se traduit par un couplage faible entre les systèmes existants et les LLM, une gouvernance renforcée des accès aux données, et un meilleur alignement avec les pratiques de sécurité déjà en place sur la JVM. Les intégrations passent ainsi d'un état fragile et difficile à maintenir à une architecture résiliente et testable. Ce mouvement s'inscrit dans une tendance plus large : après une première vague d'intégrations LLM souvent bricolées, l'industrie cherche à industrialiser ces connexions. Le MCP, porté par Anthropic et rapidement adopté par des dizaines d'éditeurs et de fournisseurs d'outils, s'impose comme un standard de facto pour l'interopérabilité entre agents IA et systèmes tiers. L'écosystème Java, qui représente une part massive des infrastructures d'entreprise mondiales, dispose désormais d'un cadre architectural robuste pour rejoindre cette révolution sans sacrifier la rigueur opérationnelle.

Outils⚒Outil

1 source

49

4477FrenchWeb 

SEREACT lève 93 millions d’euros pour se positionner au cœur de l’IA appliquée au monde réel

La startup allemande Sereact a annoncé une levée de fonds de 93 millions d'euros en série B, un tour de table qui positionne cette société fondée à Stuttgart parmi les acteurs les mieux capitalisés de l'IA robotique en Europe. Le financement intervient à un moment où la robotique industrielle connaît une transformation profonde, portée par la convergence entre les grands modèles de langage et les systèmes physiques autonomes. Ce qui distingue Sereact sur ce marché en effervescence, c'est son approche architecturale : la société a fait le choix de découpler le logiciel d'intelligence du matériel robot lui-même. Concrètement, son système peut piloter des bras robotiques de différents fabricants sans être lié à un constructeur particulier. Pour les industriels, cela représente une rupture majeure, ils peuvent déployer une intelligence commune sur un parc de robots hétérogène, sans dépendre d'un écosystème propriétaire fermé. Cette levée s'inscrit dans une vague de financements massifs autour de la robotique fondamentale, où des entreprises comme Physical Intelligence (Pi), Figure AI ou Apptronik ont chacune attiré des centaines de millions de dollars ces deux dernières années. L'enjeu pour Sereact est de s'imposer comme couche logicielle de référence dans les entrepôts et les chaînes de production européennes, un segment que les géants américains et asiatiques cherchent eux aussi à verrouiller. Avec ce capital frais, la société devrait accélérer le déploiement commercial de sa plateforme et élargir ses partenariats avec les intégrateurs industriels.

Robotique❧Opinion

1 source

52

4478Next INpact 

Dans un contexte de crise, des CHU misent sur l’IA pour créer un « hôpital augmenté »

En janvier 2026, le CHU de Montpellier a décroché 14,9 millions d'euros de financement public dans le cadre du plan France 2030 pour lancer "Alliance Santé IA", un projet porté par sa directrice Anne Ferrer avec l'ambition affichée de créer "le premier hôpital pilote augmenté par l'IA". Cet investissement emblématique s'inscrit dans une dynamique nationale désormais bien établie : selon la Fédération hospitalière de France, six établissements de santé sur dix utilisaient déjà des outils d'IA en 2025, et près de neuf sur dix prévoient de s'en équiper à court terme. Les usages concrets varient selon les établissements. Au CHU de Poitiers, le Dr Guillaume Herpe, radiologue et coordinateur IA, décrit une IA principalement mobilisée en aide au diagnostic radiologique et dans des tâches documentaires comme la rédaction de comptes rendus. Au total, entre 2021 et 2025, l'État a investi environ 110 millions d'euros via France 2030 pour financer des entrepôts de données hospitalières et des projets d'IA impliquant plus de 30 CHU. Ces chiffres masquent pourtant de profondes disparités. Si Montpellier bénéficie d'une enveloppe exceptionnelle, la grande majorité des CHU travaillent avec des budgets IA inférieurs à un million d'euros, à comparer aux 20 millions annuels dépensés en énergie et consommables, ou aux 3 millions que peut coûter une simple machine IRM. Le Dr Herpe estime que 80 % des financements proviennent de budgets publics d'innovation, contre seulement 20 % issus de partenariats de recherche privée. Cette dépendance structurelle au financement public crée une fragilité : les établissements les mieux dotés peuvent bâtir des stratégies globales, pendant que les autres avancent au rythme des appels à projets, tributaires de prestataires extérieurs. L'enjeu dépasse la simple modernisation technique. Sébastien Florek, directeur des services numériques du CHU de Bordeaux, pose la question sans détour : les hôpitaux publics veulent-ils rester avec une technologie des années 90 pendant que le secteur privé adopte les outils modernes ? La stratégie nationale "IA et données de santé 2025-2028" du gouvernement assume désormais que "l'IA en santé n'est plus une perspective, c'est une réalité déployée sur le terrain". Mais la fracture entre établissements bien financés et ceux qui avancent à tâtons révèle que cette réalité reste profondément inégale. La prochaine bataille ne sera pas technologique mais budgétaire : sans un financement pérenne et structurel, l'hôpital augmenté risque de rester un privilège réservé à quelques CHU phares.

Société❧Opinion

1 source

44

4479Le Big Data 

Mercedes-Benz mise sur l’IA on-device avec Liquid AI pour ses futurs modèles

Mercedes-Benz a officialisé le 23 avril 2026 un partenariat pluriannuel avec Liquid AI, une startup spécialisée dans les modèles d'intelligence artificielle embarquée. L'accord prévoit le déploiement à grande échelle de l'IA on-device sur les véhicules équipés des systèmes MBUX de troisième et quatrième générations en Amérique du Nord, avec un premier déploiement en production attendu dès le second semestre 2026. Concrètement, Mercedes-Benz intégrera les modèles Liquid Foundations (LFM) directement dans le matériel du véhicule, ce qui permettra à l'assistant vocal MBUX de traiter localement la reconnaissance vocale, la compréhension du langage naturel et certaines capacités de raisonnement, sans passer par des serveurs distants. Cette IA embarquée ne remplacera pas les architectures cloud existantes, mais les complètera dans une logique hybride : le traitement local pour les usages quotidiens, le cloud pour les cas plus complexes. L'enjeu est double : rapidité et confidentialité. En éliminant la latence des échanges avec des serveurs distants, le système peut répondre en temps réel aux demandes du conducteur, y compris des requêtes complexes combinant navigation, confort et information. La relation entre le conducteur et son véhicule devient plus conversationnelle, moins dépendante de commandes rigides et préformatées. Pour l'industrie automobile, ce virage vers l'IA locale représente une rupture significative : les constructeurs ne sont plus contraints de s'appuyer entièrement sur des infrastructures cloud tierces, ce qui réduit les coûts d'exploitation et renforce la souveraineté sur les données des utilisateurs, un argument commercial de poids face aux régulations croissantes sur la vie privée. Ce partenariat s'inscrit dans la stratégie plus large du "software-defined vehicle", le véhicule défini par logiciel, que Mercedes-Benz construit autour de son système d'exploitation propriétaire MB.OS. Jörg Burzer, membre du directoire de Mercedes-Benz, présente cette approche comme "les bases d'une nouvelle génération d'expériences embarquées intuitives et multimodales". Pour Liquid AI, fondée par Ramin Hasani, le secteur automobile constitue l'un des débouchés les plus ambitieux de l'IA dans le monde physique : ses modèles sont conçus pour être légers et optimisés, capables de fonctionner sur le matériel déjà présent dans les véhicules sans nécessiter de composants supplémentaires coûteux. L'automobile devient ainsi un nouveau terrain de compétition pour les acteurs de l'IA embarquée, aux côtés d'Apple, Google et des équipementiers traditionnels, dans une course où la maîtrise du logiciel embarqué conditionne désormais la différenciation entre constructeurs.

Robotique❧Opinion

1 source

43

4480Le Big Data 

Conduire ou choisir son resto ? Alibaba ne veut plus que vous choisissiez

Alibaba a annoncé lors de l'ouverture du Salon de l'automobile de Pékin 2026 l'intégration de son intelligence artificielle Qwen dans les véhicules de neuf constructeurs automobiles chinois majeurs : BYD, Geely, Li Auto, Changan, Dongfeng, BAIC, Great Wall Motor, SAIC Volkswagen et SAIC IM Motors. Le système permet aux conducteurs de piloter vocalement un large éventail de services du quotidien sans quitter la route des yeux : réservation de table au restaurant, réservation de chambre d'hôtel, achat de billets pour des événements, suivi de livraisons. Techniquement, l'architecture repose sur une combinaison de traitement embarqué local et de calcul cloud, avec les puces automobiles Nvidia en support, et Alibaba précise que le système reste opérationnel même en cas de connectivité réseau dégradée. Ce n'est pas le premier déploiement de Qwen dans l'habitacle : le modèle avait déjà été intégré plus tôt cette année dans le SUV hybride rechargeable Hongqi HS6. Cette intégration transforme le véhicule en terminal de services connectés actif, capable de gérer des transactions commerciales en temps réel pendant la conduite. Pour les conducteurs, l'enjeu est concret : déléguer à la voix des démarches qui nécessitaient jusqu'ici de manipuler un smartphone au volant, donc de prendre un risque. Pour l'industrie, la portée est plus large encore : cela positionne l'IA embarquée non plus comme un assistant de navigation amélioré, mais comme un agent autonome capable d'agir sur des plateformes tierces, de réserver, d'acheter, de suivre des commandes. Alibaba devient ainsi un intermédiaire invisible entre le conducteur et l'ensemble de l'écosystème e-commerce et services en ligne, ce qui représente une opportunité commerciale considérable pour le groupe. Cette initiative s'inscrit dans un contexte de ralentissement notable des ventes de véhicules électriques en Chine, marché pourtant pionnier mondial dans ce secteur. Face à une concurrence technique de plus en plus homogène entre constructeurs, les acteurs du marché cherchent à se différencier par la couche logicielle et les services embarqués plutôt que par les seules performances de la batterie ou la puissance moteur. Alibaba, qui dispose déjà d'un écosystème massif couvrant le e-commerce, le cloud et les paiements, se retrouve dans une position idéale pour monétiser cette intégration automobile à grande échelle. La course à l'IA dans l'habitacle est désormais ouverte en Chine, avec Huawei, Baidu et d'autres acteurs technologiques qui développent des stratégies similaires, faisant du cockpit connecté le nouveau terrain de jeu des géants de la tech chinoise.

Robotique⚒Outil

1 source