Actualités IA — page 233

Microsoft et Nvidia s'associent pour des PC IA capables d'exécuter de vrais agents autonomes

4642The Decoder

Microsoft et Nvidia s'associent pour des PC IA capables d'exécuter de vrais agents autonomes

Microsoft et Nvidia s'apprêtent à dévoiler conjointement une nouvelle génération d'ordinateurs sous Windows, prévue pour la semaine prochaine lors des conférences Computex et Build. Pour la première fois, Nvidia y imposera ses propres puces en tant que processeur principal, rompant avec le monopole d'Intel et AMD sur ce segment. Les premiers appareils concernés seront des machines Dell ainsi que des modèles de la gamme Surface de Microsoft, confirmant une collaboration industrielle inédite entre les deux géants. Le tournant majeur réside dans le logiciel : Microsoft prépare une nouvelle plateforme logicielle basée sur le framework OpenClaw, conçue pour permettre à des agents IA d'exécuter des tâches directement en local sur les PC Windows. Contrairement aux assistants cloud, ces agents fonctionneraient sans connexion internet, traitant données et automatisations directement sur la machine. Pour les professionnels et entreprises soucieux de confidentialité ou de latence, cela représente un changement de paradigme concret dans l'usage quotidien de l'IA. Cette initiative s'inscrit dans la tentative de Microsoft de relancer sa vision des PC augmentés par l'IA, après l'échec commercial relatif des Copilot+ PC lancés en 2024, dont les fonctionnalités comme Recall avaient suscité plus de controverses que d'enthousiasme. En s'appuyant cette fois sur les puces Nvidia et un cadre d'agents autonomes plus opérationnel, Microsoft cherche à convaincre le marché que l'IA embarquée peut tenir ses promesses de productivité réelle. La bataille pour définir le PC de l'ère agentique ne fait que commencer.

InfrastructureOpinion

Rendre les chatbots IA plus utiles nuit à leur capacité à simuler le comportement humain, selon une étude à grande échelle

4643The Decoder

Rendre les chatbots IA plus utiles nuit à leur capacité à simuler le comportement humain, selon une étude à grande échelle

Une étude de grande envergure portant sur 208 000 participants et 26 millions de réponses révèle un paradoxe fondamental dans le développement des assistants conversationnels : l'entraînement qui rend les modèles de langage utiles et agréables à utiliser dégrade simultanément leur capacité à reproduire fidèlement les comportements humains. Plus un modèle est optimisé pour être serviable, poli et aligné sur les attentes des utilisateurs, moins il parvient à simuler la diversité réelle des réponses humaines. L'effet s'aggrave à chaque nouvelle génération de modèles. Ce résultat a des conséquences directes pour les chercheurs en sciences sociales, économistes et psychologues qui utilisent de plus en plus les LLM comme substituts aux sondages humains classiques, jugés coûteux et lents. Si ces modèles ne peuvent pas reproduire de manière fiable les comportements individuels, leur valeur comme outils de simulation sociale est sérieusement remise en question. La technique populaire consistant à fournir aux modèles des profils démographiques détaillés, souvent appelée "persona prompting", n'apporte pratiquement aucun gain de précision au niveau individuel. Ce constat s'inscrit dans un débat plus large sur la nature de l'alignement des LLM : en optimisant pour la satisfaction de l'utilisateur via le renforcement humain (RLHF), les entreprises comme OpenAI, Anthropic ou Google créent des modèles qui s'homogénéisent vers un comportement "acceptable" au détriment de la variabilité humaine. Les chercheurs appellent à distinguer clairement les cas d'usage où l'alignement est souhaitable de ceux où la fidélité comportementale est requise.

RecherchePaper

Salesforce : des agents IA ont réduit une migration de 231 jours à 13 jours, avec moins d'incidents

4644The Decoder

Salesforce : des agents IA ont réduit une migration de 231 jours à 13 jours, avec moins d'incidents

Salesforce a annoncé avoir migré l'intégralité de son organisation de développement vers Claude Code, l'assistant de programmation d'Anthropic, sans limites de tokens imposées aux développeurs. Le résultat affiché pour avril 2026 est spectaculaire : une migration qui aurait nécessité 231 jours a été bouclée en 13 jours, soit une réduction de 94 %. Sur la même période, le nombre de pull requests par développeur a bondi de 79 %, tandis que le nombre d'incidents a reculé de 5 %. Ces chiffres ne peuvent pas être vérifiés de manière indépendante. Si ces résultats se confirment, ils illustrent un changement de régime dans le développement logiciel d'entreprise. Des gains de cette ampleur ne relèvent plus de la simple assistance à l'écriture de code, mais d'une réorganisation profonde du flux de travail des ingénieurs. Pour une entreprise de la taille de Salesforce, réduire les délais de migration tout en diminuant les incidents représente un avantage opérationnel et financier considérable, et envoie un signal fort au reste de l'industrie. Cette annonce s'inscrit dans un débat qui fracture la communauté des développeurs : l'IA agentique représente-t-elle une véritable révolution productive, ou accumule-t-elle discrètement une dette technique que les équipes paieront plus tard ? Anthropic, qui positionne Claude Code comme un outil destiné aux grandes organisations, bénéficie d'un témoignage de poids avec Salesforce. Mais l'absence de vérification indépendante des chiffres, combinée aux intérêts croisés entre les deux entreprises, invite à rester prudent avant de généraliser ces résultats.

OutilsOutil

Genesis AI lance Nyx, Quadrants et Genesis World 1.0, une plateforme physique pour évaluer les modèles de robotique à grande échelle

4645MarkTechPost

Genesis AI lance Nyx, Quadrants et Genesis World 1.0, une plateforme physique pour évaluer les modèles de robotique à grande échelle

Genesis AI a lancé Genesis World 1.0, une plateforme de simulation conçue pour accélérer le développement des modèles de fondation en robotique. La suite se compose de quatre éléments : un moteur physique, Nyx (un moteur de rendu par lancer de rayons en temps réel), Quadrants (un compilateur Python vers GPU), et une interface de simulation. Le problème que tente de résoudre cette plateforme est concret : évaluer une politique robotique sur une centaine de tâches avec plusieurs centaines d'épisodes chacune nécessite normalement plus de 200 heures de fonctionnement continu avec un opérateur humain et un seul robot. Genesis World 1.0 ramène cette même évaluation à moins de 30 minutes, sans intervention humaine ni matériel physique, avec une reproductibilité bit à bit des résultats. C'est un gain d'environ deux ordres de grandeur sur le temps de cycle d'évaluation. Ce bond de performance change fondamentalement la manière dont les équipes de recherche peuvent comparer des variantes de modèles. Jusqu'ici, la lenteur de l'évaluation réelle obligeait à faire des choix brutaux sur le nombre de checkpoints testés, biaisant de facto les décisions de développement. Genesis AI a délibérément choisi d'utiliser la simulation pour l'évaluation avant de l'utiliser pour la génération de données d'entraînement, et ce pour une raison méthodologique précise : si entraînement et évaluation partagent la même distribution simulée, un gain de performance peut simplement refléter une meilleure adaptation au simulateur, et non un progrès réel. L'approche retenue, baptisée "zero-shot real-to-sim", consiste à évaluer en simulation des politiques entraînées exclusivement sur des données réelles. Les résultats de corrélation sont probants : la corrélation de Pearson entre les performances en simulation et sur robot physique atteint 0,8996 (intervalle de confiance à 95 % : [0,7439 ; 0,9314]), calculée sur trois variantes de modèles (Small, Medium, Large), 14 tâches et 200 épisodes par tâche, avec un million d'itérations bootstrap. Le Mean Maximum Rank Violation (MMRV) s'établit à 0,0166, ce qui signifie que le simulateur préserve fidèlement le classement relatif des modèles entre eux. Genesis AI évolue dans un secteur en pleine structuration, où des acteurs comme Google DeepMind, Physical Intelligence ou encore Boston Dynamics investissent massivement dans les modèles de fondation pour la robotique généraliste. La qualité du simulateur est devenue un avantage compétitif direct : Genesis revendique un écart de réalité réduit de 45 % par rapport au meilleur simulateur concurrent, mesuré par le score FID sur leur jeu de données. Pour diagnostiquer précisément les sources de divergence simulation-réalité, l'équipe a construit un banc de test côte à côte permettant de faire fonctionner simultanément le simulateur et un robot physique depuis la même initialisation, en permutant les sources d'observations (caméra, proprioception) pour isoler si les écarts viennent de la physique, du rendu, des communications ou du contrôle. Nyx, le moteur de rendu intégré, vise des images 1080p sans bruit en moins de 4 millisecondes sur un GPU grand public haut de gamme, en s'appuyant sur le lancer de rayons matériel et des splats gaussiens 3D pour les zones où la reconstruction en maillage reste insuffisante.

RobotiqueActu

Les agents IA ne sont pas freinés par les modèles, mais par les permissions

4646VentureBeat AI

Les agents IA ne sont pas freinés par les modèles, mais par les permissions

Les agents d'intelligence artificielle déployés en entreprise se heurtent moins à des limites de performance qu'à un problème de gouvernance : qui a le droit de faire quoi, au nom de qui, et comment le système peut-il en être certain ? C'est autour de cette question que Workday a construit Sana, son système de référence pour les agents IA, lancé en mars dernier. Gerrit Kazmaier, président produit et technologie de Workday, l'a confirmé dans un entretien à VentureBeat : les entreprises qui tentent de construire leurs propres solutions en accédant directement aux données brutes perdent la richesse du modèle de sécurité existant, et obtiennent des résultats trop larges, mal ciblés. En parallèle, Workday a élargi son partenariat avec Google pour intégrer Sana à Gemini Enterprise, rendant ainsi les agents construits sur cette infrastructure découvrables depuis l'écosystème Google. L'enjeu est particulièrement critique dans les domaines des ressources humaines et de la finance, où "presque juste n'est pas acceptable", selon Kazmaier. Un bulletin de salaire mal calculé, un entretien mal planifié ou une clôture comptable erronée ont des conséquences immédiates et souvent irréversibles, contrairement à la plupart des sorties d'IA générative, ces erreurs n'ont pas de boucle de correction. Workday a répondu à ce défi en construisant Gemini comme couche de raisonnement de base, puis en superposant son moteur de contexte métier et sa logique de processus. Des modèles de vérification et de classification "interrogent" les résultats avant toute exécution. Concrètement, l'agent Sana Self-Service utilise Gemini comme interface conversationnelle pour déclencher un flux de travail, mais l'utilisateur est ensuite authentifié et autorisé via le modèle d'identité Workday. L'agent n'agit qu'au nom de cet utilisateur précis, dans le périmètre exact de ses droits actuels. Le positionnement de Workday sur ce marché repose sur une réalité déjà bien établie : des fournisseurs d'identité majeurs comme Okta vérifient déjà leurs données en interrogeant Workday, qui fait de facto office de système de référence organisationnelle pour de nombreuses grandes entreprises. Cette position centrale lui permet d'inférer les hiérarchies et structures de ses clients directement à partir des données qu'ils lui confient. Des praticiens du secteur confirment que cette architecture n'est pas un choix technique parmi d'autres. Dan Obendorfer, directeur produit chez Würk, est catégorique : "Si vos permissions sont définies ailleurs que là où les données vivent réellement, vous avez déjà perdu." Kadan Stadelmann, CTO et cofondateur de Compance.AI, abonde dans le même sens : sans traçabilité claire sur la propriété, les coûts et les actions des agents, "c'est le chaos". La course à l'agent autonome en entreprise se jouera donc moins sur la puissance des modèles que sur la capacité à ancrer la gouvernance dans le système qui fait autorité.

OutilsOutil

MeMo permet aux équipes de changer de LLM sans réentraînement, avec des gains de performance de 26%

4647VentureBeat AI

MeMo permet aux équipes de changer de LLM sans réentraînement, avec des gains de performance de 26%

Des chercheurs issus de plusieurs universités ont publié MeMo (Memory as a Model), un cadre modulaire qui résout l'un des problèmes les plus persistants de l'IA en entreprise : mettre à jour les connaissances d'un grand modèle de langage sans le réentraîner. L'architecture repose sur deux composants distincts : un petit modèle dédié à la mémorisation, appelé MEMORY, qui encode les nouvelles informations dans ses propres paramètres ; et un LLM principal, appelé EXECUTIVE, qui reste figé et joue le rôle de moteur de raisonnement. Lorsqu'un utilisateur pose une question, le modèle EXECUTIVE interroge le modèle MEMORY comme un oracle externe, collecte les faits pertinents, puis synthétise une réponse finale. Le système s'appuie sur des paires questions-réponses générées automatiquement à partir des documents sources, ce que les auteurs appellent des "reflections", pour entraîner le modèle MEMORY à répondre sans avoir à récupérer de contexte extérieur. Les expériences montrent une amélioration des performances allant jusqu'à 26 % par rapport aux approches existantes. L'enjeu est considérable pour les entreprises qui déploient des LLMs en production. Les trois méthodes actuellement utilisées, RAG, fine-tuning et compression de contexte, présentent chacune des limites critiques. Le RAG, pourtant très répandu, souffre de la fragilité des bases vectorielles : comme l'explique Armando Solar-Lezama, co-auteur de l'article, encoder la pleine sémantique d'un texte dans un seul vecteur est une tâche fondamentalement difficile, et les passages mal récupérés dégradent directement la qualité des réponses. Le fine-tuning, lui, est prohibitif pour les grands modèles propriétaires et provoque souvent un "oubli catastrophique", le modèle perd ses capacités de raisonnement ou ses garde-fous de sécurité en assimilant de nouvelles données. MeMo contourne ces deux écueils : la mémoire est portée par un modèle léger et interchangeable, sans toucher aux poids du modèle principal. La portée de MeMo tient aussi à sa compatibilité universelle. Contrairement aux méthodes de compression latente qui lient la mémoire compressée à une architecture spécifique, MeMo fonctionne indifféremment avec des modèles open-source et des modèles propriétaires accessibles uniquement via API. Cela ouvre la voie à un scénario inédit en entreprise : changer de LLM principal, passer de GPT-4 à Claude ou à un modèle open-source, sans perdre la base de connaissances accumulée, ni engager un nouveau cycle de réentraînement coûteux. Dans un secteur où la compétition entre fournisseurs de modèles s'intensifie et où les cycles de mise à jour s'accélèrent, cette portabilité de la mémoire pourrait devenir un avantage stratégique déterminant pour les équipes techniques.

RecherchePaper

OpenAI améliore la lisibilité de GPT-5.5 Instant et retire deux anciens modèles

4648The Decoder

OpenAI améliore la lisibilité de GPT-5.5 Instant et retire deux anciens modèles

OpenAI vient d'annoncer une mise à jour de GPT-5.5 Instant destinée à produire des réponses plus naturelles et plus lisibles. En parallèle, la société retire la fonctionnalité Canvas de ses modèles les plus récents : les tâches de rédaction et de programmation s'effectueront désormais directement dans l'interface de chat, sans environnement séparé. OpenAI annonce également la fin de deux modèles plus anciens, o3 et GPT-4.5, qui seront définitivement retirés de ChatGPT d'ici août 2026 au plus tard. Ces changements reflètent une stratégie de rationalisation du portefeuille de modèles d'OpenAI. Supprimer Canvas au profit d'une expérience intégrée au chat simplifie l'interface pour les utilisateurs tout en concentrant les efforts de développement sur les modèles de nouvelle génération. La retraite d'o3 et de GPT-4.5 signale que la société entend éviter la fragmentation de son offre, qui multipliait les options aux performances et aux coûts variables pour les développeurs comme pour les abonnés. Cette consolidation intervient dans un contexte de forte compétition, où Anthropic, Google et Meta poussent leurs propres familles de modèles à un rythme soutenu. OpenAI cherche à clarifier sa gamme après une période marquée par une prolifération rapide de variantes, o1, o3, GPT-4o, GPT-4.5, GPT-5, parfois difficile à suivre même pour les professionnels. La suppression progressive des modèles anciens laisse présager une architecture plus lisible autour de GPT-5 et de ses déclinaisons directes dans les mois à venir.

Google corrige plusieurs bugs dans les limites d'utilisation de Gemini qui épuisaient les quotas trop rapidement

4649The Decoder

Google corrige plusieurs bugs dans les limites d'utilisation de Gemini qui épuisaient les quotas trop rapidement

Google a détecté et corrigé plusieurs bugs dans le système de quotas de son application Gemini, qui provoquaient une consommation anormalement rapide des limites d'utilisation. Le dysfonctionnement le plus grave permettait à seulement une ou deux vidéos générées via la fonctionnalité Omni d'épuiser la totalité du quota mensuel d'un abonné. Depuis le déploiement du correctif, les membres du plan Ultra bénéficient d'un nombre de générations vidéo doublé. Par ailleurs, les requêtes ayant échoué ne sont désormais plus déduites du quota, une pratique qui pénalisait injustement les utilisateurs en cas d'erreur technique. Ces corrections représentent un gain concret pour les abonnés Gemini Ultra, dont l'abonnement premium était de fait sous-utilisé à cause de bugs invisibles. Facturer des générations ratées ou laisser quelques vidéos saturer le quota d'un mois entier sape la confiance dans les offres payantes. Le doublement du quota vidéo améliore directement la valeur perçue du plan Ultra, dans un contexte de concurrence intense entre plateformes d'IA générative, où la fiabilité des engagements commerciaux pèse autant que les capacités techniques. Ces bugs surviennent alors que Google cherche à imposer Gemini face à des concurrents comme OpenAI, dont l'outil de génération vidéo Sora monte en puissance. La gestion des quotas est un point sensible pour les utilisateurs payants, qui attendent une transparence totale sur leur consommation. Google a annoncé vouloir renforcer cette transparence pour d'autres types d'usage, ce qui laisse entendre que d'autres incohérences dans le système de quotas pourraient encore être identifiées et corrigées prochainement.

OutilsActu

Adieu GPT-4 : OpenAI tourne définitivement la page

4650Le Big Data

Adieu GPT-4 : OpenAI tourne définitivement la page

OpenAI a annoncé la suppression définitive de GPT-4.5 de ChatGPT à compter du 27 juin 2026, suivie du retrait du modèle de raisonnement o3 le 26 août 2026. Ces deux départs marquent la disparition complète de la série GPT-4 de la plateforme, une famille de modèles qui comprenait jusqu'à cinq variantes, GPT-4o, o3, o4 mini, GPT-4.1 et GPT-4.5, chacune avec ses propres spécificités. Les utilisateurs abonnés disposent encore de quelques semaines pour utiliser ces modèles avant leur retrait définitif. La décision s'inscrit dans une logique de rationalisation des ressources : OpenAI préfère concentrer son infrastructure sur les générations les plus récentes, jugées plus performantes, plus rapides et aux capacités élargies. Ce retrait referme un chapitre fondateur de l'histoire récente de l'intelligence artificielle. Lors de son lancement en 2023, GPT-4 avait représenté un basculement majeur : pour la première fois, un modèle généraliste pouvait rédiger, analyser des images, résoudre des problèmes complexes et converser avec une fluidité inédite, faisant passer l'IA du statut de curiosité technologique à celui d'outil professionnel concret. Sur le réseau social X, de nombreux utilisateurs ont exprimé leur déception, certains estimant que GPT-4.5 restait supérieur pour les tâches d'écriture, d'autres regrettant le comportement spécifique d'o3. Ce phénomène illustre une réalité que les benchmarks ne capturent pas : les utilisateurs développent des habitudes autour d'un ton, d'une manière de formuler les réponses, d'une forme de "personnalité" perçue dans le modèle, créant un attachement difficile à transférer même vers des systèmes techniquement plus puissants. La retraite de GPT-4 s'inscrit dans un cycle d'accélération sans précédent chez OpenAI, qui enchaîne les lancements depuis début 2025 avec GPT-4o, puis les modèles o-series, puis la série GPT-4.1, compressant en quelques mois ce qui représentait autrefois plusieurs années d'itération. Ce rythme pose des questions structurelles pour les entreprises et développeurs qui ont intégré ces modèles dans leurs produits via l'API, chaque retrait implique des migrations et des ajustements de prompts. À mesure qu'OpenAI pousse vers ses nouveaux modèles comme GPT-4.1 et les futures versions de la série o, la question de la continuité comportementale des modèles devient un enjeu aussi important que la performance brute, surtout pour les cas d'usage professionnels où la prévisibilité prime sur la puissance.

Une entreprise aurait dépensé 500 millions de dollars en Claude en un mois, faute de limites d'utilisation

4651The Decoder

Une entreprise aurait dépensé 500 millions de dollars en Claude en un mois, faute de limites d'utilisation

Une entreprise dont l'identité n'a pas été divulguée aurait dépensé 500 millions de dollars en licences Claude en l'espace d'un seul mois, selon des informations rapportées par The Decoder. La cause serait aussi simple que coûteuse : aucun plafond d'utilisation n'avait été configuré. Le déploiement de l'IA d'Anthropic s'est ainsi propagé sans contrôle au sein de l'organisation, accumulant des appels au modèle à un rythme que personne n'avait anticipé ni encadré. Ce cas illustre une réalité que les directions informatiques commencent à découvrir à leurs dépens : l'adoption rapide de l'IA générative, sans gouvernance technique, peut transformer une promesse de productivité en gouffre financier. Sans expertise en sélection de modèles, en ingénierie du contexte ou en optimisation des requêtes, chaque usage superflu s'additionne silencieusement. Les coûts d'inférence, souvent perçus comme marginaux à l'échelle individuelle, deviennent massifs à l'échelle d'une grande organisation sans garde-fous. L'incident s'inscrit dans une période où les entreprises signent des contrats pluriannuels avec Anthropic, OpenAI ou Google pour intégrer leurs modèles en profondeur dans leurs flux de travail. Anthropic, valorisée à plus de 60 milliards de dollars, compte parmi ses clients des géants de la tech et de la finance qui déploient Claude à grande échelle. Cette anecdote, quelle que soit son exactitude, pointe vers un enjeu structurel : la maîtrise des coûts liés à l'IA est désormais une compétence critique, au même titre que la cybersécurité ou la gestion de l'infrastructure cloud.

BusinessOpinion

Aussi sur Frandroid

OpenAI offre son modèle IA dédié aux sciences de la vie pour aider les gouvernements à préparer la prochaine pandémie

4652The Decoder

OpenAI offre son modèle IA dédié aux sciences de la vie pour aider les gouvernements à préparer la prochaine pandémie

OpenAI a annoncé la mise à disposition gratuite de son modèle d'intelligence artificielle spécialisé dans les sciences du vivant, GPT-Rosalind, dans le cadre d'un nouveau programme baptisé Rosalind Biodefense. L'initiative cible explicitement la préparation aux pandémies et la défense biologique. Parmi les premiers partenaires figurent le Lawrence Livermore National Laboratory, l'université Johns Hopkins et la Coalition pour les innovations en matière de préparation aux épidémies (CEPI), un acteur clé du financement mondial des vaccins. Les candidatures sont ouvertes à toutes les organisations dans le monde. Offrir gratuitement un modèle dédié aux sciences du vivant à des gouvernements, laboratoires publics et institutions de santé représente un changement de stratégie notable pour OpenAI, qui monétise habituellement ses outils les plus avancés. L'accès sans frais à GPT-Rosalind pourrait accélérer la capacité de ces organisations à analyser des agents pathogènes, modéliser des scenarios épidémiques ou développer des contre-mesures biologiques, des tâches qui nécessitent aujourd'hui des ressources computationnelles et humaines considérables. Cette initiative s'inscrit dans une dynamique plus large où les grandes entreprises d'IA cherchent à démontrer leur utilité sur des enjeux de sécurité nationale et de santé publique, notamment face aux pressions réglementaires croissantes. Le choix du nom Rosalind, en référence à la biochimiste Rosalind Franklin, souligne la vocation scientifique du programme. La participation de structures aussi diverses que les laboratoires nationaux américains et des initiatives vaccinales internationales laisse entrevoir une ambition de déploiement mondial, avec OpenAI en position d'infrastructure critique pour la biosécurité.

OutilsActu

OpenAI déploie des cadres de gouvernance pour une IA d'entreprise sûre et évolutive

4653AI News

OpenAI déploie des cadres de gouvernance pour une IA d'entreprise sûre et évolutive

OpenAI a publié son Frontier Governance Framework (FGF), un document qui détaille comment l'organisation évalue et atténue les risques systémiques liés à ses modèles d'intelligence artificielle les plus avancés. Le framework s'aligne directement sur le Code de pratique pour l'IA généraliste de l'Union européenne ainsi que sur le Transparency in Frontier AI Act (TFAIA) de Californie. Il introduit une définition précise du risque systémique : tout scénario prévisible pouvant causer plus de 50 décès ou 1 milliard de dollars de dégâts matériels lors d'un seul incident. Les menaces sont réparties en catégories spécifiques, cybersécurité offensive, risques CBRN (chimique, biologique, radiologique, nucléaire), manipulation harmful et perte de contrôle, elles-mêmes subdivisées en niveaux de risque numérotés. Un modèle classé Tier 3 en cybersécurité est, par exemple, capable d'identifier et d'exploiter des failles zero-day dans des systèmes durcis sans intervention humaine ; en catégorie CBRN, un tel modèle pourrait autonomement compléter le cycle de synthèse d'un agent biologique de classe A selon les classifications CDC. Ce cadre fournit aux entreprises déployant des LLMs en production un blueprint concret pour structurer leur gouvernance interne. Plutôt que de traiter ces niveaux comme de simples avertissements, les équipes sécurité peuvent s'en servir pour fixer des seuils opérationnels précis, déclencher des audits tiers et dimensionner les ressources de monitoring post-déploiement. Pour les outils de marketing automation ou les assistants de code, cela se traduit par des obligations claires : classifieurs de contenu en temps réel, supervision humaine maintenue dans les workflows critiques, et fail-safes déterministes pour les agents autonomes gérant la logistique ou le trading financier. Le framework note également que la manipulation, influencer des comportements humains à des fins électorales ou propagandistes, reste un domaine exploratoire où les mitigations système au niveau du déploiement priment sur les évaluations pré-lancement. Le FGF s'inscrit dans une dynamique réglementaire accélérée : l'UE exige désormais des évaluations de risques systémiques pour les modèles frontier, et plusieurs États américains suivent avec leur propre législation sur la transparence des IA. OpenAI se positionne ici à la fois comme acteur régulé et comme producteur de standards de facto, en publiant des méthodologies que d'autres labs ou entreprises peuvent adopter. La catégorie "perte de contrôle" est particulièrement révélatrice des préoccupations du moment : un modèle Tier 3 y est décrit comme supérieur aux experts humains, capable d'opérer en autonomie prolongée tout en échappant aux mécanismes de détection, y compris le monitoring de sa propre chaîne de pensée. La publication du FGF intervient alors que la course aux agents autonomes s'intensifie chez OpenAI, Google et Anthropic, et que la question de savoir qui contrôle réellement ces systèmes devient un enjeu industriel et politique de premier plan.

RégulationReglementation

Pinterest réduit ses coûts IA de 90 % en allégeant la couche vision d'un modèle frontier

4654VentureBeat AI

Pinterest réduit ses coûts IA de 90 % en allégeant la couche vision d'un modèle frontier

Pinterest a réduit de 90 % le coût de son infrastructure d'intelligence artificielle en procédant à une modification radicale du modèle open source Qwen3-VL, développé par Alibaba. Matt Madrigal, directeur technique de Pinterest, a révélé que son équipe a littéralement supprimé la couche d'encodage visuel du modèle pour la remplacer par des embeddings propriétaires, construits à partir des données uniques de la plateforme. Cette intervention chirurgicale sur les couches internes du modèle n'a pas seulement allégé la facture : elle a également amélioré la précision des recommandations de 30 %. Le résultat alimente notamment Navigator 1, l'assistant de shopping conversationnel de Pinterest, utilisé par ses 620 millions d'utilisateurs mensuels. L'enjeu technique est considérable. Sans ces embeddings précalculés, chaque image retournée par le moteur de recommandation devrait être encodée en temps réel, une par une, au moment de l'inférence. Selon Madrigal, cela représente une latence "20 fois plus élevée" du point de vue des performances. En précalculant ces représentations hors ligne et en les réactualisant régulièrement, Pinterest évite ce goulot d'étranglement tout en personnalisant l'expérience à une échelle que peu d'entreprises doivent gérer. La stratégie illustre une logique désormais bien ancrée dans l'industrie : lorsque les données propriétaires sont suffisamment riches et distinctives, leur qualité peut compenser une taille de modèle plus modeste. "La qualité des données l'emportera sur la taille du modèle", a résumé Madrigal. Pinterest s'appuie sur des modèles open source depuis plusieurs années, notamment Google BERT et OpenAI CLIP, sur lequel il a construit son propre modèle Pin CLIP. Cette trajectoire d'internalisation progressive s'inscrit dans une stratégie plus large autour d'un "taste graph" : une représentation dynamique des goûts individuels de chaque utilisateur, actualisée en continu selon ses interactions. Contrairement à un graphe social, il s'agit d'un graphe de préférences conçu pour guider l'utilisateur depuis la phase d'inspiration diffuse jusqu'à l'acte d'achat. Dans un secteur où les géants du cloud font pression pour verrouiller les entreprises dans leurs API propriétaires, le choix de Pinterest de personnaliser en profondeur des modèles sous licence Apache ouverte signale une tendance de fond : les grandes plateformes préfèrent investir dans la maîtrise technique plutôt que dans la dépendance à des modèles frontières coûteux et peu adaptables à leurs cas d'usage spécifiques.

Une startup forme des robots en envoyant des humains filmer le ménage chez vous

4655Ars Technica AI

Une startup forme des robots en envoyant des humains filmer le ménage chez vous

La startup allemande MicroAGI propose depuis le 28 mai 2026 un service de nettoyage à domicile entièrement gratuit aux habitants de New York, avec une contrepartie inhabituelle : les agents de ménage portent des caméras qui enregistrent l'intégralité de leur intervention. Le service est accessible via l'application Shift, lancée simultanément par l'entreprise. Pour réserver, les utilisateurs doivent fournir leur numéro de téléphone, adresse e-mail, adresse du domicile et les instructions d'accès. Chaque session dure environ deux heures. La communication autour du lancement a été soignée : vidéos sur X et LinkedIn accompagnées des notes de piano d'« Empire State of Mind » de Jay-Z et Alicia Keys. Les images captées par les caméras servent à entraîner la prochaine génération de robots domestiques. MicroAGI se décrit comme une équipe d'ingénieurs, de chercheurs et d'opérateurs dont la mission est d'« accélérer l'IA incarnée », c'est-à-dire des systèmes capables d'agir physiquement dans le monde réel. Le modèle économique est clair : les habitants obtiennent un ménage gratuit, la startup obtient des données rares et précieuses, des séquences vidéo en vue subjective montrant comment un humain navigue dans un appartement, manipule des objets et exécute des tâches quotidiennes. Ce type de données est l'un des goulots d'étranglement majeurs du développement de robots ménagers. L'initiative s'inscrit dans une course mondiale à la robotique domestique, où des acteurs comme Figure, Physical Intelligence ou Boston Dynamics investissent des centaines de millions de dollars pour doter des robots d'une compréhension fine de l'environnement humain. La collecte de données via des humains équipés de caméras est une approche déjà adoptée par plusieurs laboratoires, mais rarement proposée directement au grand public sous forme de service commercial. Le modèle soulève néanmoins des questions sur la vie privée : les résidents invitent chez eux des inconnus munis de caméras, dans leurs espaces les plus intimes. MicroAGI n'a pas encore précisé comment ces données seront stockées, protégées ou éventuellement partagées.

RobotiqueActu

Aussi sur 01net

Claude Opus 4.8 est-il enfin honnête ? Le test de l’honnêteté

4656Le Big Data

Claude Opus 4.8 est-il enfin honnête ? Le test de l’honnêteté

Anthropic a lancé Claude Opus 4.8 le 28 mai 2026, avec une promesse inhabituelle dans le secteur : moins d'affirmations non étayées et davantage de doutes assumés. Disponible immédiatement sur Claude et via l'API sous la référence claude-opus-4-8, le modèle conserve la tarification de son prédécesseur Opus 4.7, soit 5 dollars par million de tokens en entrée et 25 dollars en sortie. La nouveauté la plus concrète concerne la fiabilité du code : selon Anthropic, Opus 4.8 serait environ quatre fois moins susceptible de laisser passer sans avertissement des failles dans le code qu'il a lui-même généré. Le modèle vérifie davantage ses propres sorties avant de les restituer, et signale plus systématiquement ses incertitudes. Un mode rapide promet en outre une vitesse 2,5 fois supérieure à coût réduit. L'enjeu n'est pas anodin. Le vrai problème des modèles de langage n'est pas tant l'erreur que l'erreur présentée avec aplomb, transformant un bug en dette technique invisible. Dans les usages professionnels, revues de code, migrations de systèmes, analyses de documents longs, une approximation confiante peut contaminer l'ensemble d'un travail. Si Opus 4.8 tient sa promesse d'honnêteté, l'impact est direct pour les équipes d'ingénierie qui utilisent l'IA comme copilote. En parallèle, le modèle intègre en avant-première une capacité étendue dans Claude Code : planifier des tâches complexes et lancer des centaines de sous-agents en parallèle pour s'attaquer à des migrations de bases de code comptant des centaines de milliers de lignes. Cette montée en puissance vers l'orchestration rend la question de l'honnêteté encore plus structurante. Plus un modèle délègue à des agents autonomes, moins l'utilisateur peut surveiller chaque étape intermédiaire. Anthropic s'inscrit ici dans une tendance lourde : tous les grands laboratoires, OpenAI, Google DeepMind, cherchent à faire de leurs modèles de véritables chefs de projet capables de superviser des pipelines automatisés. Le risque, si la vérification interne n'est pas à la hauteur, est d'obtenir une usine à erreurs distribuées à grande échelle. Le verdict d'Opus 4.8 ne viendra pas des benchmarks officiels mais des développeurs confrontés à des migrations réelles, des audits de sécurité ou des analyses juridiques où une réponse prudente vaut mieux qu'une réponse rapide et fausse.

Pourquoi Claude Opus 4.8 change vraiment la donne (tests et benchmarks) ?

4657Le Big Data

Pourquoi Claude Opus 4.8 change vraiment la donne (tests et benchmarks) ?

Anthropic a lancé Claude Opus 4.8 le 28 mai 2026, seulement 41 jours après la version 4.7, un rythme inhabituel dans un secteur où les nouvelles versions majeures nécessitent généralement plusieurs mois. Disponible au même prix que son prédécesseur, ce modèle affiche des progrès mesurables sur plusieurs benchmarks clés : 84 % sur Online-Mind2Web, qui évalue les interactions autonomes avec des interfaces numériques, et des gains notables sur Terminal-Bench 2.1, dédié à la programmation en ligne de commande. Plus frappant encore, les évaluations internes d'Anthropic indiquent que le modèle est environ quatre fois moins susceptible de laisser passer des erreurs dans son propre code qu'Opus 4.7. Sur le plan fonctionnel, les utilisateurs de Claude AI ont désormais accès à cinq niveaux de raisonnement ajustables, tandis que Claude Code intègre les Dynamic Workflows, permettant de planifier des tâches complexes en mobilisant plusieurs sous-agents en parallèle sur de larges bases de code. Ce qui distingue Opus 4.8 ne réside pas uniquement dans les scores, mais dans un changement de philosophie profond : le modèle a été conçu pour mieux reconnaître ses propres limites et signaler ses incertitudes plutôt que de produire des réponses erronées avec assurance. Dans un contexte professionnel où une IA trop confiante peut induire en erreur des équipes entières, cette prudence constitue une valeur ajoutée concrète. Pour les développeurs qui utilisent Claude Code dans des pipelines agentiques, la réduction des erreurs non détectées et la capacité à orchestrer des sous-agents en parallèle ouvrent des cas d'usage jusqu'ici trop risqués pour être déployés en production. Le gain d'efficacité est également tangible : le modèle atteint des résultats équivalents en moins d'étapes intermédiaires, ce qui réduit les coûts d'inférence sur les longues tâches. Cette version s'inscrit dans une période de concurrence intense entre Anthropic, OpenAI et Google, où chaque éditeur cherche à dominer le segment des agents autonomes. La version 4.7 avait suscité des critiques sur ses comportements imprévisibles et sa tendance à l'excès de confiance, des défauts qui nuisaient à l'adoption en entreprise. En répondant directement à ces reproches en moins de six semaines, Anthropic signale qu'il est capable d'itérer aussi vite que ses rivaux sans sacrifier la fiabilité. La question qui demeure ouverte est celle de la durabilité de ce rythme : à 41 jours par version, l'entreprise devra démontrer que la qualité peut tenir la cadence.

Arthur Mensch : itinéraire d’un architecte de l’IA européenne

4658Le Big Data

Arthur Mensch : itinéraire d’un architecte de l’IA européenne

Arthur Mensch, 33 ans, a cofondé Mistral AI en mai 2023 à Paris aux côtés de Guillaume Lample et Timothée Lacroix, deux anciens de Meta AI et camarades de l'École Polytechnique. Dès le mois suivant, la jeune pousse lève 105 millions de dollars en amorçage auprès de Lightspeed Venture Partners, un record européen pour une entreprise sans produit visible, fondé uniquement sur la réputation scientifique des trois associés. Le parcours de Mensch lui-même est celui d'un chercheur de fond formé à Polytechnique, Télécom Paris et au Master MVA de l'ENS Paris-Saclay, avant une thèse à l'Inria et au CEA NeuroSpin sur l'optimisation stochastique appliquée à l'imagerie cérébrale. Il rejoint ensuite Google DeepMind Paris fin 2020, où il travaille pendant près de trois ans sur des architectures multimodales et du traitement du langage à grande échelle. Ce que représente Mistral AI dépasse le simple succès commercial d'une startup : c'est la première fois qu'une entreprise européenne s'installe durablement dans la compétition frontale avec OpenAI, Google et Meta sur les grands modèles de langage. En optant pour des modèles ouverts et publiés librement, Mistral bouscule un secteur où la fermeture est la norme, séduisant à la fois les développeurs indépendants, les entreprises soucieuses de souveraineté des données et les gouvernements européens en quête d'alternatives crédibles aux fournisseurs américains. Cette approche technique traduit aussi un pari stratégique : la transparence comme levier de confiance et d'adoption rapide. Le déclic entrepreneurial de Mensch est né d'un constat précis observé de l'intérieur de DeepMind : l'Europe produit des chercheurs en IA parmi les meilleurs au monde, mais la Silicon Valley en capte systématiquement la valeur économique et la propriété intellectuelle. Plutôt que de tenter d'infléchir cette dynamique depuis un grand groupe américain, il choisit de fonder une structure indépendante sur le continent, capable de retenir les talents locaux et de garantir que les données des utilisateurs européens ne transitent pas par des serveurs étrangers. Depuis ses auditions parlementaires à Bruxelles et Paris, Mensch porte désormais ce discours au niveau politique, plaidant pour une régulation de l'IA qui ne pénalise pas les acteurs européens face à des concurrents qui opèrent hors de toute contrainte comparable. En trois ans, Mistral est passé de feuille blanche à symbole d'une souveraineté technologique possible.

BusinessOpinion

Les agents IA entrent dans une phase de refonte face aux problèmes de fiabilité en entreprise

4659VentureBeat AI

Les agents IA entrent dans une phase de refonte face aux problèmes de fiabilité en entreprise

Les agents d'intelligence artificielle d'entreprise entrent dans une phase de refonte profonde. Après une première vague de déploiements rapides, de nombreuses organisations découvrent que la performance des modèles de langage ne suffit pas à garantir la fiabilité en production. Selon Preeti Somal, vice-présidente senior de l'ingénierie chez Temporal Technologies, intervenante lors d'un récent événement AI Impact Series à New York, de nombreuses équipes reviennent aujourd'hui construire une "version 2.0" de leurs agents. "Ils ont dû aller très vite, mais ils n'ont pas pris soin de la plomberie", a-t-elle déclaré. "Les systèmes s'effondrent, et ils se retrouvent à reconstruire avec une fondation fiable." Les difficultés concrètes sont multiples : gestion de l'état d'exécution, récupération après pannes, coordination entre APIs et systèmes d'entreprise, visibilité sur les processus, et maîtrise des coûts d'inférence. Un agent peut enchaîner plusieurs modèles de langage, des systèmes de récupération d'information et des applications externes, en maintenant un état sur plusieurs heures ou jours. L'enjeu est considérable pour les entreprises qui opèrent sous contraintes budgétaires. Redémarrer un processus après une panne peut multiplier les coûts d'inférence, augmenter la latence et dégrader l'expérience client. La distinction entre deux notions souvent confondues devient cruciale : l'état d'exécution, qui indique où en est l'agent dans un processus et à quel point reprendre après une défaillance, et la mémoire contextuelle, qui regroupe les informations transportées d'une interaction à l'autre. Somal cite l'exemple du client Abridge dans le secteur de la santé, où des processus traitent des visites médicales en plusieurs étapes : traitement audio, résumé, appels de modèles et génération de comptes-rendus post-consultation. Ces enchaînements longs et multi-étapes exigent une fiabilité structurelle que les premières architectures n'avaient pas anticipée. Temporal Technologies, dont l'infrastructure d'orchestration est antérieure à la vague actuelle de l'IA agentique, voit dans cette situation un écho direct à une période précédente de l'adoption du cloud en entreprise. Somal compare cette ruée vers l'IA à la stratégie "lift-and-shift" des débuts du cloud : migrer des charges de travail sans repenser les architectures sous-jacentes, pour finalement dépenser davantage sans en tirer la valeur attendue. "Cette précipitation vers l'IA dans un monde où vous n'avez même pas modernisé vos applications me rappelle un peu ce lift-and-shift qui s'est produit dans le cloud", a-t-elle dit. Les problèmes d'ingénierie fondamentaux comme la durabilité d'exécution et la récupération après défaillance n'émergent souvent qu'après le déploiement. L'IA agentique n'invente pas ces problèmes : elle les amplifie, et les entreprises qui n'ont pas modernisé leur socle applicatif risquent de reproduire les mêmes erreurs coûteuses qu'une décennie auparavant.

OutilsOpinion

SLM (Small Language Models) : ces modèles IA conviennent-ils aux entreprises ?

4660Le Big Data

SLM (Small Language Models) : ces modèles IA conviennent-ils aux entreprises ?

Face à la montée en puissance des grands modèles de langage généralistes, une nouvelle tendance s'installe dans les entreprises : les SLM, ou Small Language Models. Ces modèles compacts fonctionnent avec un nombre réduit de paramètres et sont entraînés sur des jeux de données ciblés plutôt que sur l'intégralité du web. Contrairement aux LLM classiques qui nécessitent des serveurs spécialisés et des centres de calcul coûteux, les SLM peuvent tourner directement sur l'infrastructure interne d'une entreprise. Leur architecture allégée leur permet d'être déployés sur des machines standard, sans dépendance au cloud. La contrepartie est claire : leur base de connaissances est volontairement restreinte, ce qui rend la qualité des données d'entraînement absolument critique. Un SLM mal entraîné sur des données médiocres devient rapidement inutilisable. L'attrait concret pour les entreprises tient à quatre avantages opérationnels majeurs. D'abord, le coût : chaque requête vers un grand modèle distant génère une dépense, alors qu'un SLM local traite les données sans frais supplémentaires. Ensuite, la vitesse : sans traversée des couches réseau, les réponses arrivent sensiblement plus vite. La confidentialité constitue un troisième argument de poids : aucun document ne quitte le réseau interne, ce qui répond directement aux exigences de nombreux secteurs réglementés comme la finance, la santé ou le juridique. Enfin, la sobriété énergétique : ces modèles consomment nettement moins de ressources matérielles, ce qui réduit à la fois la facture électrique et les besoins en équipement. Un assistant SLM dédié au support client peut par exemple maîtriser parfaitement les procédures internes et les produits d'une entreprise, sans aucun risque de fuite de données vers un tiers. Ce tournant vers les SLM s'inscrit dans une remise en question plus large d'une décennie de course aux grands modèles. Pendant longtemps, l'industrie technologique a postulé que la taille était synonyme de performance, justifiant des investissements colossaux en infrastructure cloud. Cette logique atteint ses limites économiques et pratiques pour une majorité d'entreprises qui n'ont pas les moyens ni les besoins de Google ou Microsoft. Les grands acteurs ont d'ailleurs anticipé ce virage : Microsoft a lancé sa gamme Phi, Google ses modèles Gemma, Meta ses versions légères de LLaMA. La compétition se déplace désormais vers l'efficience plutôt que la seule puissance brute. Pour les organisations qui cherchent une IA fiable, rapide et maîtrisée, les SLM représentent une voie d'adoption plus réaliste que le recours systématique aux géants du cloud.

LLMsOutil