Actualités IA — page 239

9 335 articles au fil, du plus récent au plus ancien.

38

Illustration générée par IA

4761AWS ML Blog 

AWS SMGS transforme sa gestion commerciale avec un assistant conversationnel IA sur Amazon Bedrock AgentCore

Amazon Web Services a déployé en interne un assistant conversationnel basé sur l'intelligence artificielle, baptisé NarrateAI, pour transformer la façon dont les dirigeants de son organisation SMGS (Sales, Marketing and Global Services) accèdent aux données métier. Développé sur Amazon Bedrock AgentCore et accessible via l'interface Amazon Quick, l'outil permet à tous les niveaux hiérarchiques, du PDG aux équipes terrain, de poser des questions en langage naturel sur la performance commerciale et d'obtenir des réponses immédiatement exploitables. L'architecture repose sur deux couches distinctes : une couche de traitement par lots qui génère en amont des narratives personnalisées par utilisateur à partir de requêtes SQL paramétrées sur Amazon Redshift, et une couche temps réel qui répond aux questions de manière conversationnelle. AWS Lambda transforme les données extraites en JSON structuré, tandis que des templates Jinja les restituent en textes lisibles. Le recours à Bedrock AgentCore a permis de réduire le délai de déploiement de plusieurs mois à quelques semaines, en évitant de construire une infrastructure d'orchestration sur mesure. L'enjeu concret est significatif : les dirigeants AWS consacraient auparavant plusieurs heures à préparer manuellement leurs revues métier, en naviguant entre de multiples tableaux de bord et en réconciliant des sources de données disparates. NarrateAI supprime cette friction en livrant des analyses contextualisées à la demande, sans intermédiaire. Les équipes de reporting ne sont plus un goulot d'étranglement, et les décisions stratégiques peuvent être prises sur la base de données fraîches plutôt qu'en attendant des rapports consolidés. Pour une organisation de la taille d'AWS SMGS, qui opère à l'échelle mondiale sur des hiérarchies complexes, cette capacité à accéder instantanément à une vue unifiée de la performance représente un avantage opérationnel direct sur la réactivité des décisions commerciales. Ce projet s'inscrit dans une tendance de fond chez les grandes entreprises tech qui cherchent à remplacer la business intelligence traditionnelle, fondée sur des dashboards statiques, par des interfaces conversationnelles pilotées par des agents IA. Amazon Bedrock AgentCore, le service serverless d'AWS pour l'orchestration d'agents, est ici utilisé en interne avant d'être commercialisé auprès des clients, une stratégie classique chez AWS qui consiste à "dogfooder" ses propres services. La publication de ce retour d'expérience détaillé, incluant les patterns d'ingénierie et les choix architecturaux, vise clairement à convaincre les entreprises clientes d'adopter la même stack. Alors que les concurrents comme Microsoft et Google avancent eux aussi sur les agents IA d'entreprise, AWS positionne NarrateAI comme une vitrine de ce qu'il est possible de construire rapidement et en production avec Bedrock AgentCore.

Outils⚒Outil

1 source

46

Illustration générée par IA

4762VentureBeat AI 

Merck et Mastercard obtiennent des résultats concrets avec les agents IA : l'infrastructure d'abord

Merck accélère sa recherche médicamenteuse d'un tiers et produit ses supports marketing conformes 70 à 80 % plus vite grâce à des agents d'intelligence artificielle, selon Sean Finnerty, vice-président des plateformes digitales du groupe pharmaceutique américain, qui s'exprimait lors d'un récent événement AI Impact Series. Concrètement, les brouillons de campagnes marketing générés par l'IA sont conformes à la réglementation à 99 %, réduisant les cycles de révision de plusieurs mois à quelques jours. En recherche scientifique, un cycle de découverte médicamenteuse a été raccourci d'un tiers, soit environ un an gagné avant qu'un traitement n'atteigne les patients. Derrière ces résultats, une infrastructure imposante : 2 500 comptes AWS, de nombreux abonnements Microsoft Azure, des intégrations Google Cloud Platform, 47 sites périphériques et des centaines de bases de données stockant plusieurs pétaoctets de données structurées et non structurées, répartis entre Oracle, SQL, Excel, transcriptions téléphoniques et autres dépôts. Ces gains ne sont pas tombés du ciel. Finnerty insiste sur un principe qu'il nomme la stratégie "plomberie d'abord" : avant de déployer des agents, il faut bâtir l'infrastructure qui les rend fiables, sécurisés et interopérables. Sans cela, chaque projet isolé devient une dette technique. Pour Merck, l'enjeu est particulièrement fort dans le domaine réglementaire : une campagne vaccinale dans l'État de Géorgie répond à des règles différentes de celle lancée au Canada, et la moindre erreur peut avoir des conséquences légales. L'IA prend désormais en charge les premières ébauches, là où des équipes humaines effectuaient auparavant de longues boucles de validation, libérant du temps pour des tâches à plus forte valeur ajoutée. La leçon tirée par Merck s'appuie directement sur l'expérience du passage au cloud dans les années 2010, une période que Finnerty décrit comme chaotique, mais dont les entreprises qui ont correctement posé les bases ont finalement tiré le meilleur parti. Le groupe s'appuie aujourd'hui sur plusieurs solutions en parallèle, Databricks, Amazon Redshift et d'autres, car "il n'existe pas de solution unique pour résoudre chaque problème". L'objectif affiché est d'intégrer ces couches d'infrastructure aux protocoles émergents comme MCP (Model Context Protocol) et A2A (Agent2Agent), pour permettre aux agents de fonctionner de façon fluide quelle que soit la plateforme cloud sous-jacente. Avec des milliers d'agents à venir selon Finnerty, la question de leur enregistrement, de leur sécurisation et de leur accès aux bonnes données devient un enjeu stratégique autant que technique.

Infrastructure❧Opinion

1 source

44

Illustration générée par IA

4763The Decoder 

Cognition, créateur de l'agent de code Devin, plus que double sa valorisation à 26 milliards de dollars en moins de neuf mois

Cognition, la startup américaine à l'origine de Devin, l'agent de développement logiciel piloté par intelligence artificielle, a finalisé une levée de fonds dépassant le milliard de dollars, portant sa valorisation à plus de 26 milliards de dollars. Cette opération, bouclée en moins de neuf mois après un précédent tour de table, plus que double la valorisation de l'entreprise et s'impose comme l'une des plus importantes jamais réalisées dans le secteur des agents IA spécialisés dans le code. Devin avait été présenté en mars 2024 comme le premier "ingénieur logiciel autonome" capable de planifier, coder, tester et déployer des applications sans intervention humaine. Ce financement illustre l'appétit spectaculaire des investisseurs pour les outils capables d'automatiser le développement logiciel, un marché estimé à plusieurs centaines de milliards de dollars. Pour les entreprises tech, l'enjeu est concret : réduire les coûts de développement, accélérer les cycles de production et potentiellement redéfinir le rôle des ingénieurs humains. Pourtant, la valeur opérationnelle réelle de Devin reste vivement discutée dans la communauté des développeurs, certains benchmarks indépendants ayant remis en question ses performances annoncées. Cognition évolue dans un secteur de plus en plus disputé, face à GitHub Copilot d'OpenAI et Microsoft, Cursor, ou encore des agents comme Claude Code d'Anthropic. La course aux agents de codage s'intensifie alors que les grands modèles de langage atteignent un niveau de compétence technique suffisant pour traiter des tâches de programmation complexes. Cette méga-levée signale que, malgré les débats sur les performances actuelles, les investisseurs parient sur un basculement prochain vers une automatisation large du génie logiciel.

Business⚡Actu

1 source

38

Illustration générée par IA

4764AWS ML Blog 

Amazon Bedrock AgentCore au service des stratégies de vente par agents IA

AWS a déployé en interne un assistant conversationnel baptisé Field Advisor, construit sur Amazon Bedrock AgentCore, pour résoudre un problème concret apparu dans ses propres équipes commerciales mondiales : la prolifération d'agents IA spécialisés sans coordination centrale. L'organisation AWS Sales utilisait plus de 20 agents distincts couvrant la gestion CRM, la planification de réunions, les recommandations produits, les analyses clients et les vérifications de conformité. Les représentants commerciaux devaient eux-mêmes choisir quel agent invoquer selon la tâche, gérer les changements de contexte entre systèmes fragmentés et assembler manuellement les résultats, une charge cognitive qui réduisait d'autant le temps passé avec les clients. Field Advisor agit comme une couche d'orchestration centrale : les commerciaux posent leurs questions en langage naturel, et le système route automatiquement les requêtes vers l'agent ou l'outil approprié, maintient le contexte conversationnel entre les interactions et livre une réponse unifiée via une interface unique. L'impact est concret pour les équipes de vente : Field Advisor s'intègre directement dans les outils déjà utilisés au quotidien, systèmes CRM, Slack, applications internes, évitant toute rupture de flux de travail. Le système inclut des mécanismes de validation humaine pour les opérations sensibles : avant de modifier des données CRM, il présente les changements proposés et attend une approbation explicite, ce qui préserve la fiabilité des données et la responsabilité des commerciaux. La mémoire persistante, combinant historique de session à court terme et mémoire sémantique à long terme, permet aux représentants de reprendre une conversation là où elle s'était arrêtée sans avoir à répéter le contexte à chaque interaction. L'ensemble de ces fonctionnalités réduit la charge opérationnelle et libère du temps pour les échanges à valeur ajoutée avec les clients. Ce projet illustre un défi structurel qui émerge dans de nombreuses grandes entreprises à mesure que l'adoption des agents IA s'accélère : la multiplication d'agents spécialisés crée paradoxalement une nouvelle complexité si aucune orchestration ne les unifie. AWS a choisi Bedrock AgentCore précisément pour ses capacités natives à l'échelle enterprise, environnements d'exécution isolés pour les opérations multi-locataires sécurisées, passerelle unifiée pour les outils et agents répartis sur plusieurs comptes AWS, propagation d'identité cohérente via OAuth et observabilité intégrée sur les flux complexes. En s'appuyant sur une infrastructure clé en main plutôt que sur du développement sur mesure, l'équipe d'ingénierie a pu concentrer ses efforts sur la logique métier plutôt que sur les fondations techniques. Field Advisor représente ainsi autant un cas d'usage commercial qu'une démonstration de la viabilité d'AgentCore comme substrat pour des déploiements agentiques en production à grande échelle.

Outils⚒Outil

1 source

51

Illustration générée par IA

4765Latent Space 

ESMFold2 : la lecon amere s'applique aussi aux proteines, par Alex Rives (BioHub)

Alex Rives, responsable scientifique du Chan Zuckerberg BioHub, a publié ESMFold2 accompagné d'un preprint et d'un modèle en accès libre. Ce nouveau système de prédiction de structures protéiques atteint des performances de pointe sur les interactions entre protéines, en particulier pour les anticorps, une modalité centrale dans le développement de médicaments. BioHub publie également un atlas de 6,8 milliards de protéines et 1,1 milliard de structures prédites, consultable en ligne. L'équipe démontre en outre que le scaling à l'inférence fonctionne sur cinq cibles en oncologie et immunologie. Techniquement, ESMFold2 repose sur un transformeur de type BERT entraîné sur des données Cryo-EM et des séquences protéiques massives, sans recourir aux alignements multi-séquences (MSA) qui constituent l'épine dorsale d'AlphaFold. Ce résultat est significatif parce qu'il reproduit dans la biologie structurale le même schéma déjà observé en traitement du langage : des modèles généralistes entraînés sur suffisamment de données diverse battent des architectures hautement spécialisées. AlphaFold3, malgré son raffinement, repose sur les MSA, ce qui le rend peu performant sur les anticorps, précisément parce que ces derniers disposent de peu de données MSA disponibles à l'entraînement. ESMFold2 contourne ce problème en apprenant les relations entre protéines par apprentissage non supervisé à grande échelle, puis en corrélant ces représentations aux structures connues de la Protein Data Bank. Pour les laboratoires pharmaceutiques, cela signifie un outil potentiellement plus polyvalent et plus accessible pour la conception de thérapeutiques basées sur les anticorps. L'histoire de l'équipe ESM illustre une conviction précoce dans les lois de scaling. Dès ESM-1, Alex Rives et ses collègues avaient entraîné des modèles de langage sur des millions de séquences protéiques avec un simple objectif de masquage de tokens, et avaient découvert que ces modèles apprenaient spontanément des propriétés biologiques jamais montrées explicitement. ESM2, puis ESM3, avaient confirmé que cette capacité progressait de façon prévisible avec la puissance de calcul. Quand AlphaFold2 avait été présenté en 2020, valant à John Jumper et Demis Hassabis le prix Nobel de chimie 2024, l'équipe avait maintenu son pari sur l'échelle plutôt que sur les biais inductifs. ESMFold2 est aujourd'hui présenté comme un « modèle du monde » pour les protéines : une représentation abstraite, sémantique et compositionnelle du vivant, capable de généraliser bien au-delà de ses données d'entraînement. Le BioHub, issu de l'acquisition d'EvoScale par la fondation Chan Zuckerberg, s'impose ainsi comme un acteur de premier plan dans la course à l'IA pour la biologie.

Recherche❖Paper

1 source

50

Illustration générée par IA

4766The Decoder 

Robinhood autorise les agents IA à trader des actions et effectuer des achats par carte de crédit pour ses clients

Robinhood, la plateforme américaine de courtage en ligne, a annoncé qu'elle permet désormais à ses clients de connecter des agents d'intelligence artificielle à un compte d'investissement dédié via le protocole MCP (Model Context Protocol). Parmi les agents compatibles figure Claude, le modèle d'Anthropic. Ces agents peuvent, de manière autonome, acheter et vendre des actions, mais aussi effectuer des achats par carte de crédit au nom du titulaire du compte, sans intervention humaine à chaque transaction. Cette évolution marque un cap inédit dans l'automatisation financière grand public : pour la première fois, des agents IA disposent d'un accès direct et opérationnel à des actifs réels sur une plateforme de masse. La FINRA, le régulateur américain du courtage, a d'ores et déjà identifié ce type d'agents comme un nouveau vecteur de risque, pointant le danger de décisions non supervisées pouvant générer des pertes significatives pour des utilisateurs mal préparés. Robinhood lui-même reconnaît que le produit n'est pas adapté à tous ses clients. Ce lancement s'inscrit dans une course plus large à l'intégration des agents IA dans les services financiers, portée par l'essor du protocole MCP qui facilite la connexion entre modèles de langage et systèmes tiers. Robinhood, qui cherche à repositionner son image après les controverses de 2021 autour des actions mèmes, mise sur l'innovation pour attirer une clientèle technophile. La question de la responsabilité légale en cas de perte causée par un agent autonome reste entièrement ouverte, et les régulateurs n'ont pas encore arrêté de cadre applicable.

Outils⚒Outil

Aussi surTechCrunch AI

33

Illustration générée par IA

4767Amazon Science 

Lauréats des Amazon Research Awards annoncés

Amazon a annoncé les lauréats de son programme Amazon Research Awards (ARA) pour le cycle automne 2025, sélectionnant 68 chercheurs issus de 49 universités réparties dans 11 pays. Ces prix, qui consistent en financements non restreints et en crédits AWS, couvrent six domaines de recherche prioritaires : la sécurité de l'information par l'IA, l'IA agentique, le raisonnement automatisé, la cryptographie AWS, les technologies de cybersécurité et anti-abus, ainsi que la durabilité. Parmi les lauréats figurent des chercheurs de Virginia Tech, Texas A&M, Arizona State University, l'Université d'Édimbourg, la Carnegie Mellon University et l'USC, travaillant sur des sujets allant de la détection de menaces dans le cloud à la sécurisation des systèmes d'IA agentique. Les bénéficiaires accèdent à plus de 700 jeux de données publics d'Amazon et aux services AWS d'IA/ML via leurs crédits promotionnels, tout en bénéficiant d'un référent Amazon pour les conseiller. Ce programme illustre la montée en puissance des enjeux de sécurité liés à l'IA agentique, c'est-à-dire ces systèmes capables d'agir de façon autonome pour accomplir des tâches complexes. Comme le souligne Wei Ding, responsable de la science appliquée pour GuardDuty chez AWS, l'IA reconfigure la cybersécurité à une vitesse sans précédent, exigeant des garanties renforcées de robustesse et de fiabilité pour les agents autonomes. De leur côté, les recherches sur la lutte contre la fraude et les abus en ligne visent à augmenter les coûts opérationnels des acteurs malveillants, protégeant ainsi les consommateurs, les vendeurs et les plateformes de commerce en ligne à l'échelle de l'ensemble du Web. Lancé en 2020, l'ARA s'inscrit dans une stratégie plus large d'Amazon visant à tisser des liens étroits entre la recherche académique et les défis industriels réels. En favorisant la publication des résultats et la mise en open source des codes associés, Amazon cherche à produire des effets systémiques bien au-delà de ses propres infrastructures. L'engouement pour cet appel à projets, jugé exceptionnel en volume et en qualité selon les responsables du programme, témoigne d'une prise de conscience croissante dans la communauté scientifique face aux risques posés par l'IA agentique et les menaces cyber émergentes. Amazon continuera à lancer des appels à projets tout au long de l'année dans de nouveaux domaines, signalant que ces investissements en recherche fondamentale sont appelés à s'intensifier à mesure que l'IA s'intègre dans des systèmes critiques.

Recherche⚡Actu

1 source

45

Illustration générée par IA

4768MarkTechPost 

NVIDIA publie Polar, un framework de rollout GRPO fidèle aux tokens pour Codex, Claude Code et Qwen Code

NVIDIA a publié Polar, un framework de déploiement conçu pour entraîner des agents de langage par apprentissage par renforcement (RL) sans modifier les outils existants. Présenté dans un article de recherche disponible sur arXiv (2605.24220), Polar permet d'appliquer des algorithmes comme GRPO à des agents comme Codex CLI, Claude Code, Qwen Code ou Pi, en s'intercalant entre l'agent et le modèle de langage via un proxy réseau. Concrètement, un proxy intercepte chaque appel API entrant, détecte le format utilisé (Anthropic Messages, OpenAI Chat Completions, Google generateContent), normalise la requête, capture les tokens générés avec leurs probabilités logarithmiques, puis retourne la réponse dans le format attendu par l'agent. L'unique modification requise côté harness est de rediriger l'URL de base du modèle vers ce gateway. L'intérêt majeur de Polar est de préserver intégralement le comportement des outils d'agents en production lors de l'entraînement. Jusqu'ici, les infrastructures RL standard exigeaient de réécrire la logique interne de chaque harness derrière une API propriétaire (env.init(), env.step(), env.reset() à la manière d'OpenAI Gym), ce qui entraînait une perte de fidélité et un coût d'intégration élevé pour chaque nouvel outil. Avec Polar, les chercheurs peuvent entraîner un modèle sur les mêmes chemins d'exécution exacts que ceux utilisés en évaluation, ce qui réduit l'écart entre les performances mesurées et les performances réelles. Les évaluateurs intégrés couvrent des benchmarks comme SWE-Bench et SWE-Gym, et le système permet de récupérer des traces partielles même lorsqu'un agent dépasse son budget de temps après avoir effectué des appels modèles. L'architecture repose sur deux composants principaux : un serveur de rollout qui distribue des sessions parallèles à des noeuds gateway, et ces mêmes gateways qui gèrent l'intégralité du cycle de vie d'une session, du démarrage du runtime à l'évaluation de la sortie. Des pools de workers isolés gèrent les phases INIT, RUNNING et POSTRUN, tandis qu'un buffer READY maintient des runtimes préchauffés pour éviter de bloquer l'exécution GPU. Polar supporte Docker et Apptainer sans droits root, et propose des raccourcis natifs pour les principaux harnesses du marché. Cette approche s'inscrit dans une tendance plus large : les laboratoires et équipes de recherche cherchent à industrialiser l'entraînement RL sur des agents de codage complexes, capables de gérer des contextes longs et des orchestrations multi-agents. NVIDIA se positionne ainsi comme fournisseur d'infrastructure pour cette nouvelle génération de pipelines d'entraînement, à mesure que la frontière entre inférence et apprentissage continu s'estompe.

Recherche❖Paper

1 source

47

Illustration générée par IA

4769Presse-citron 

Cette IA vous permet de créer des jeux vidéo à partir de Google Maps, mais il y a une condition

En mai 2026, Google a annoncé l'intégration de Genie, son modèle d'IA générative spécialisé dans la création d'environnements de jeux vidéo, avec Google Maps. Concrètement, les utilisateurs peuvent désormais soumettre n'importe quel lieu du monde réel à Genie, qui s'appuie sur les données de Street View pour générer un environnement jouable inspiré de cet endroit. Un quartier de Tokyo, une rue de Lisbonne ou un village alpin peuvent ainsi devenir le décor d'un jeu vidéo en quelques instants. La fonctionnalité est également disponible à l'international, mais Google en réserve l'accès aux abonnés du tier le plus élevé de ses services. Cette capacité représente une rupture potentielle dans la chaîne de création de jeux vidéo, traditionnellement coûteuse et chronophage. Les développeurs indépendants et les studios de petite taille pourraient désormais s'appuyer sur des données géographiques réelles pour construire des univers crédibles sans budget de modélisation 3D. La restriction aux abonnements premium limite toutefois considérablement la démocratisation effective de l'outil, et soulève la question de qui bénéficiera réellement de cette avancée. Genie avait été présenté par Google DeepMind comme un "modèle du monde" capable de générer des environnements interactifs à partir d'une seule image ou d'une description textuelle. Son couplage avec Street View, qui couvre plus de 220 pays et territoires, démultiplie théoriquement son potentiel créatif. En monétisant la fonctionnalité via un abonnement premium, Google teste la viabilité économique de l'IA générative appliquée au secteur du jeu vidéo, tout en positionnant Maps comme une infrastructure créative au-delà de la simple navigation.

Création⚒Outil

1 source

36

Illustration générée par IA

4770Le Big Data 

Une startup IA paie 2 000 dollars par mois pour… se masturber

La startup américaine Joi AI a lancé une campagne de recrutement inhabituelle : elle cherche dix volontaires prêts à être rémunérés 2 000 dollars par mois pendant quatre semaines pour tester quotidiennement une fonctionnalité de masturbation guidée par intelligence artificielle. Annoncée fin mai 2026, l'offre est ouverte à toute personne, sans distinction de genre, et ne requiert aucune référence professionnelle. Les participants devront remplir des rapports réguliers pour documenter les effets ressentis sur leur stress, leur sommeil et leur humeur. La candidature se fait via un questionnaire en ligne. Le ton délibérément décalé de l'annonce, notamment la blague sur l'absence de références, a suffi à propulser l'offre en phénomène viral sur les réseaux sociaux. Derrière le buzz, l'objectif de Joi est double : collecter des données comportementales sur l'impact de ce type d'interaction intime avec une IA, et surtout attirer l'attention sur sa plateforme de compagnons virtuels dans un marché en pleine explosion. Depuis l'émergence des IA génératives, les applications de compagnons virtuels ont connu une croissance spectaculaire, et la compétition pour capter l'attention des utilisateurs est féroce. Pour Joi, ce programme de "bien-être augmenté" fonctionne autant comme une étude terrain que comme une opération marketing à coût contrôlé. Les résultats, s'ils sont publiés, pourraient aussi servir à légitimer scientifiquement une catégorie de produits encore largement décriée. Joi n'est pas un acteur marginal : la plateforme héberge de nombreux personnages virtuels, souvent présentés sous les traits de femmes hypersexualisées, parfois inspirées de mannequins ou d'actrices de films pour adultes. La startup se positionne officiellement dans la lutte contre ce qu'elle appelle une "épidémie de solitude", ciblant en priorité les jeunes hommes. Ce positionnement place Joi dans une tendance plus large, celle des compagnons IA comme Character.AI ou Replika, qui cherchent à occuper un espace affectif et relationnel jusque-là réservé aux humains. Mais la question des conséquences psychologiques à long terme reste entière : plusieurs chercheurs soulignent que les études sérieuses sur l'impact réel de ces applications demeurent encore très limitées, et que la frontière entre accompagnement émotionnel et dépendance numérique reste difficile à tracer.

Société❧Opinion

1 source

54

Illustration générée par IA

4771VentureBeat AI 

DataGrail : vos fournisseurs envoient peut-être vos données à des modèles d'IA sans votre accord

DataGrail, plateforme de protection de la vie privée basée à San Francisco, a publié son Privacy and AI Trends Report 2026 après avoir analysé 2 400 logiciels d'entreprise parmi les plus répandus. Le constat est sévère : 63,6 % des éditeurs qui mettent en avant leurs fonctionnalités d'intelligence artificielle ne mentionnent aucun sous-traitant IA tiers dans leurs contrats de traitement des données (DPA). Ces documents juridiques constituent pourtant la base sur laquelle les équipes juridiques et de conformité évaluent les risques liés à leurs fournisseurs. Pour établir ce chiffre, les chercheurs ne se sont pas contentés de lire les contrats : ils ont croisé les DPA avec la documentation produit, les dépôts GitHub, les connexions API et les supports marketing de chacun des 2 400 éditeurs. Résultat : un DPA peut mentionner Claude comme modèle utilisé, tandis que la documentation technique révèle en parallèle des intégrations avec OpenAI et Gemini, sans que cela soit reflété dans aucun document contractuel. Les conséquences concrètes de ce décalage sont potentiellement graves. Une entreprise qui adopte un outil de recrutement basé sur l'IA, effectue un audit de sécurité d'Anthropic sur la foi du DPA, et ignore que l'outil transmet en réalité des milliers de CV contenant adresses, données financières et numéros de sécurité sociale à des modèles jamais évalués, s'expose à des violations réglementaires sérieuses, notamment les règles de la FTC sur la prise de décision automatisée en matière d'emploi. Plus largement, selon le rapport IBM 2025 sur le coût des violations de données, les organisations confrontées à du "shadow AI" affichent un coût moyen de violation de 4,63 millions de dollars, soit 670 000 dollars de plus que celles sans IA non déclarée. Aux États-Unis, les amendes liées à la vie privée ont atteint 3,425 milliards de dollars en 2025, davantage que lors des cinq années précédentes réunies, une tendance que Gartner anticipe en accélération jusqu'en 2028. Ce rapport arrive dans un contexte où l'ensemble de l'industrie logicielle cherche à se repositionner comme acteur de l'IA, souvent plus vite que les processus de gouvernance ne peuvent suivre. Daniel Barber, co-fondateur et PDG de DataGrail, résume la situation : le DPA était censé être le document de référence pour évaluer le risque IA, mais ce n'est plus suffisant en 2026. Le problème structurel tient au fait que les sous-traitants IA se multiplient, changent rapidement, et que les éditeurs ne mettent pas systématiquement à jour leur documentation juridique en conséquence. L'enjeu pour les entreprises est désormais d'aller au-delà de la lecture des contrats et d'auditer activement les connexions techniques réelles de leurs fournisseurs pour savoir précisément quels modèles traitent leurs données et celles de leurs clients.

Éthique⚖Reglementation

1 source

36

Illustration générée par IA

4772Microsoft Research 

L'IA comme prolongement de l'intelligence humaine

Une nouvelle approche théorique publiée dans le cadre d'une collaboration interdisciplinaire propose de revoir fondamentalement la façon dont on comprend les systèmes d'intelligence artificielle. Intitulée "The Origins of Artificial Intelligence in Natural Intelligence", cette recherche soutient que les grands modèles de langage ne sont ni des esprits humains en devenir, ni de simples outils statistiques sophistiqués, mais des extensions des structures cognitives propres à l'être humain. S'appuyant sur la phénoménologie du philosophe Edmund Husserl, les auteurs avancent que le langage humain contient déjà des structures sédimentées de compréhension du monde, et que les modèles d'IA apprennent précisément à modéliser et prolonger ces structures. Ce cadre théorique rejoint des travaux récents comme "The Blind Spot" d'Adam Frank, Marcelo Gleiser et Evan Thompson, ou encore "The Abstraction Fallacy" du chercheur de DeepMind Alexander Lerchner, qui posent tous la même question de fond : et si l'IA fonctionnait parce qu'elle s'appuie sur ce que les humains ont déjà construit ? Cette perspective permet d'expliquer à la fois les performances remarquables des modèles actuels et leurs limites récurrentes. Les LLM peuvent produire des textes cohérents dans des domaines très variés parce qu'ils ont appris les relations statistiques entre concepts à travers des milliards de textes humains. Mais ils hallucinent parce qu'ils étendent des patterns à l'intérieur du langage, sans être ancrés dans un rapport direct au monde. Là où un humain est constamment corrigé par l'expérience, un modèle prolonge des configurations linguistiques sans pouvoir vérifier leur rapport à la réalité. Cela explique aussi le "compositionality gap" documenté par la recherche : les modèles progressent beaucoup plus vite en fluidité et en rappel factuel qu'en raisonnement compositionnel véritable, c'est-à-dire la capacité à combiner des concepts de façon réellement nouvelle. Ce n'est pas simplement une limite d'ingénierie, disent les auteurs, mais une frontière structurelle. Sur le plan des implications, cette théorie déplace le débat sur la sécurité de l'IA : plutôt que de s'inquiéter d'une "IA renégate" qui surpasserait l'intelligence humaine, elle invite à traiter la sécurité comme un défi de système, relevant à la fois de l'ingénierie et de la gouvernance. Concevoir l'IA comme une extension de l'intelligence humaine, et non comme son remplacement, offre un cadre plus opérationnel pour construire des systèmes fiables. Dans un contexte où les investissements dans les LLM atteignent des niveaux records et où les débats sur l'alignement et les risques existentiels monopolisent l'attention, cette approche phénoménologique propose une voie plus sobre : comprendre ce que l'IA est vraiment avant de décider ce qu'elle pourrait devenir.

Recherche❖Paper

1 source

47

Illustration générée par IA

4773Le Big Data 

Vidéos IA : YouTube va enfin arrêter de les cacher avec des labels bien visibles

YouTube s'apprête à rendre bien plus visibles les labels signalant les contenus générés par intelligence artificielle. Annoncé le 27 mai 2026, ce changement modifie l'emplacement et la formulation des étiquettes IA sur la plateforme : sur les vidéos classiques, le label apparaîtra désormais directement sous le lecteur, juste au-dessus de la description, au lieu d'être enfoui dans un coin de la page. Sur les Shorts, la mention sera affichée en surimpression sur la vidéo elle-même, rendant l'information difficile à manquer lors du défilement. YouTube abandonne également les formulations floues du type « contenu modifié ou synthétique » au profit du mot explicite « IA ». Autre évolution majeure : la plateforme introduit une détection automatique des contenus photoréalistes générés par IA. Si un créateur ne signale pas l'usage de l'IA, mais que les systèmes de YouTube détectent une utilisation significative de génération d'images réalistes, un label sera appliqué automatiquement sans intervention humaine. Ce virage vers davantage de transparence répond à une urgence concrète : les deepfakes et vidéos synthétiques sont devenus si convaincants qu'ils sont parfois indiscernables d'un contenu authentique, y compris pour des yeux exercés. L'enjeu dépasse le simple confort des utilisateurs. De faux discours politiques, des clones vocaux imitant des personnalités publiques et des images ultra-réalistes fabriquées de toutes pièces circulent déjà massivement sur YouTube, alimentant la désinformation à une échelle sans précédent. Rendre l'étiquette IA immédiatement visible transforme l'acte de consommation vidéo : le spectateur reçoit un signal de mise en garde avant même de regarder le contenu, ce qui modifie profondément la manière dont il va interpréter ce qu'il voit. Cette décision s'inscrit dans une pression réglementaire et sociale croissante sur les grandes plateformes pour qu'elles assument leur responsabilité dans la propagation de contenus synthétiques. Google, maison mère de YouTube, avait déjà annoncé vouloir renforcer la vérification des contenus IA, mais les mesures concrètes tardaient. La généralisation des outils de génération vidéo accessibles au grand public, comme Sora ou Veo, a précipité le calendrier. La vraie inconnue reste la fiabilité du système de détection automatique : les outils de modération algorithmique ont historiquement un taux d'erreur non négligeable, confondant parfois contenu réel et contenu synthétique. YouTube devra démontrer que sa détection est suffisamment précise pour éviter les faux positifs qui pénaliseraient des créateurs légitimes, tout en ne laissant pas passer les contenus manipulateurs les plus sophistiqués.

Éthique❧Opinion

1 source

40

Illustration générée par IA

4774The Information AI 

L'IA répond mieux quand on lui parle à voix basse

Dans les bureaux de Basis, une startup d'intelligence artificielle basée à Manhattan, une pratique inhabituelle s'est imposée parmi la centaine d'employés : ils chuchotent doucement dans des microphones à col de cygne posés sur leurs bureaux. Ils ne passent pas d'appels téléphoniques et ne s'adressent pas à leurs collègues, ils parlent à voix basse à leurs agents IA et chatbots. Ce comportement, autrefois marginal, est devenu courant dans les entreprises travaillant à la pointe du secteur. La raison principale est la vitesse. Dicter des instructions vocalement s'avère souvent plus rapide que les taper au clavier, ce qui se traduit directement par un gain de productivité pour des équipes dont le travail repose sur une interaction intense et continue avec des systèmes IA. Pour des professionnels qui enchaînent des dizaines de requêtes par heure, quelques secondes gagnées à chaque échange représentent un avantage non négligeable sur le plan opérationnel. Cette évolution illustre un changement plus profond dans la façon dont les travailleurs du secteur tech interagissent avec l'IA au quotidien. La voix, longtemps cantonnée aux assistants grand public comme Siri ou Alexa, s'impose désormais comme interface professionnelle sérieuse dans les environnements où l'IA est omniprésente. La généralisation de cette pratique soulève également des questions sur l'ergonomie des espaces de travail et sur la frontière qui s'estompe entre interaction humaine et interaction machine.

Outils⚒Outil

1 source

51

Illustration générée par IA

4775Le Big Data 

Mistral rejoint Harvey pour les usages IA en entreprise

Harvey, la plateforme d'intelligence artificielle dédiée au secteur juridique, a officialisé le 26 mai 2026 un partenariat avec Mistral AI pour intégrer les modèles de la startup française à son environnement multi-modèles. Ce lancement cible en priorité les clients européens de Harvey, dont la plateforme permet déjà aux cabinets d'avocats et directions juridiques d'automatiser des tâches complexes : analyse contractuelle, recherche documentaire, synthèse de dossiers, assistance à la rédaction. L'ajout de Mistral enrichit ce dispositif en proposant une couche supplémentaire de personnalisation, notamment grâce aux capacités multilingues de la startup française, sa gestion des contextes longs et son efficacité d'exécution sur de grands volumes de documents multi-juridictions. Harvey précise que ce déploiement accompagne l'ouverture récente de son bureau parisien et le renforcement de ses investissements en France et dans l'Union européenne. Ce partenariat répond à une évolution profonde des attentes des grandes entreprises vis-à-vis de l'IA générative. Transparence des modèles, localisation des données, conformité réglementaire et gouvernance ne sont plus des options mais des critères décisifs, en particulier dans des secteurs sensibles comme le droit. Les modèles Mistral sont reconnus pour leur approche "open-weight", qui offre une visibilité accrue sur le fonctionnement et l'évaluation des systèmes, un atout de poids pour des organisations soumises à des obligations strictes en matière de sécurité et de conformité. Harvey ne cherche pas à remplacer un fournisseur d'IA par un autre : sa plateforme est conçue pour sélectionner automatiquement le modèle le plus adapté à chaque tâche, construisant ainsi une architecture résiliente et performante pour ses clients entreprises. Ce mouvement s'inscrit dans un contexte plus large de souveraineté technologique en Europe, où les acteurs locaux comme Mistral gagnent rapidement en crédibilité face aux géants américains. Les entreprises européennes ne se contentent plus de chercher les modèles les plus puissants : elles veulent savoir où transitent leurs données, quels modèles les traitent et dans quelles conditions ces systèmes sont déployés. Harvey, dont la plateforme multi-modèles inclut déjà des solutions de plusieurs grands fournisseurs, positionne Mistral comme la réponse naturelle aux exigences du marché européen. Le partenariat marque ainsi une étape dans la stratégie d'expansion européenne de l'éditeur américain, tout en consolidant la place de Mistral comme acteur incontournable de l'IA d'entreprise sur le Vieux Continent.

Business❧Opinion

1 source

40

Illustration générée par IA

4776Le Big Data 

[VIDÉO] Arena.ai : accédez à des outils d’IA gratuits sans débourser un centime

Arena.ai est une plateforme en ligne qui propose un accès gratuit à certains des grands modèles de langage les plus avancés du moment, dont Grok, Gemini et GPT, sans abonnement ni engagement financier. Le principe original de la plateforme repose sur la comparaison collaborative : l'utilisateur soumet un même prompt à deux modèles en parallèle, compare les réponses et vote pour la meilleure. Ces votes alimentent un classement public, un leaderboard, qui reflète les préférences réelles de la communauté plutôt que des benchmarks techniques artificiels. Mais rien n'oblige à participer au vote : Arena.ai peut tout aussi bien s'utiliser comme simple portail d'accès gratuit à ces modèles, selon le besoin du moment. L'intérêt concret pour les professionnels et les curieux est évident : les abonnements individuels aux outils d'IA leaders coûtent plusieurs dizaines d'euros par mois, et multiplier les accès devient vite coûteux. Arena.ai permet de solliciter ponctuellement un modèle puissant pour une tâche précise, rédaction, code, analyse, sans payer d'abonnement dédié. Pour des usages irréguliers ou pour tester un modèle avant de s'y engager, c'est une ressource à connaître. La plateforme présente néanmoins des limites réelles : la disponibilité des modèles n'est pas garantie en permanence, l'interface reste volontairement minimaliste, et la stabilité peut varier. Pour un workflow professionnel quotidien, un outil dédié reste préférable. Arena.ai s'inscrit dans une tendance plus large de plateformes cherchant à démocratiser l'accès aux LLM tout en produisant des données d'évaluation à grande échelle. Son système de vote pair-à-pair est inspiré du projet LMSYS Chatbot Arena, né dans le monde académique, qui a popularisé ce type de classement fondé sur les préférences humaines réelles. Alors que les grandes maisons comme OpenAI, Google ou xAI se livrent une concurrence intense sur les performances de leurs modèles, des plateformes comme Arena.ai deviennent des observatoires indépendants de la perception utilisateur, et un point d'entrée gratuit dans cet écosystème en pleine consolidation.

Outils⚒Outil

1 source

44

Illustration générée par IA

4777Le Big Data 

Fujitsu intègre OpenAI à sa stratégie IA pour les entreprises japonaises

Le 27 mai 2026, Fujitsu a officialisé un partenariat stratégique avec OpenAI pour intégrer ChatGPT Enterprise et Codex à ses services destinés aux entreprises japonaises. Le géant technologique, qui compte parmi les plus grands groupes IT du pays, prévoit de déployer ces outils aussi bien en interne que dans ses offres clients. Les équipes de développement logiciel, de gestion de projets, d'opérations et de livraison de services seront les premières concernées. Fujitsu cible en priorité trois secteurs : l'industrie manufacturière, la santé et la pharmacie, des domaines soumis à une pression croissante sur l'efficacité opérationnelle et l'automatisation des processus. Ce partenariat répond à une question devenue centrale pour les grandes entreprises : comment faire de l'IA une véritable infrastructure métier plutôt qu'une vitrine technologique ? Pour y répondre, Fujitsu s'appuie sur son modèle FDE (Forward Deployed Engineer), une méthode de travail qui associe étroitement experts sectoriels, ingénieurs et clients pour identifier rapidement des cas d'usage exploitables. En combinant cette approche terrain avec les modèles d'OpenAI, le groupe vise à réduire le fossé persistant entre démonstrations technologiques et création réelle de valeur. L'objectif affiché est de construire un modèle de collaboration entre employés et agents IA capable de standardiser des tâches complexes et d'accélérer les cycles de décision. La cybersécurité constitue un second axe prioritaire : face à la multiplication des menaces et à la complexité des infrastructures critiques, Fujitsu entend développer des dispositifs de cyberdéfense hybrides où humains et IA travaillent conjointement pour améliorer la détection et la vitesse de réponse aux incidents. Ce rapprochement s'inscrit dans un contexte japonais particulier : le vieillissement démographique accéléré et la pénurie structurelle de talents techniques font de l'automatisation intelligente un enjeu économique de premier ordre pour les industriels du pays. Fujitsu dispose d'une implantation historique profonde dans le tissu industriel japonais, ce qui lui confère un avantage réel pour déployer des solutions à grande échelle. Du côté d'OpenAI, ce partenariat confirme une stratégie d'expansion agressive vers les marchés enterprise en Asie, après des accords similaires avec des acteurs majeurs en Europe et aux États-Unis. L'alliance illustre aussi une tendance de fond : les éditeurs d'IA générative ne cherchent plus à vendre des modèles bruts, mais à s'ancrer dans des écosystèmes sectoriels via des partenaires locaux disposant de la légitimité et de la connaissance métier que les modèles seuls ne peuvent pas apporter.

Business❧Opinion

1 source

48

Illustration générée par IA

4778The Decoder 

La Chine transforme son réseau de caméras vieillissant en dispositif de surveillance de masse piloté par l'IA

La Chine procède à une modernisation massive de son réseau de caméras de surveillance en y intégrant de l'intelligence artificielle. Des fabricants comme Hikvision et Huawei livrent désormais des équipements embarquant directement des modèles de vision par ordinateur et des modèles de langage. Ces systèmes peuvent détecter automatiquement des attroupements, des comportements jugés suspects ou des intrusions dans des zones restreintes, sans intervention humaine préalable. Les policiers n'ont plus besoin d'éplucher des heures de vidéo : il leur suffit de saisir une requête en langage naturel pour obtenir les séquences correspondantes. Cette évolution transforme radicalement la portée de la surveillance de masse. Ce qui était autrefois un outil passif, consulté après un incident, devient un système proactif capable d'analyser des comportements en temps réel sur des millions de points simultanément. Human Rights Watch alerte sur le fait que cette infrastructure crée une capacité de surveillance comportementale sans précédent dans l'histoire, affectant directement des centaines de millions de personnes au quotidien, qu'il s'agisse de manifestants, de minorités ou de simples passants. La Chine s'appuie sur un réseau de plusieurs centaines de millions de caméras installées depuis les années 2000, notamment via le programme national "Sharp Eyes". La mise à niveau par IA de ces infrastructures existantes permet de décupler leur efficacité à moindre coût. Hikvision, déjà sanctionné par les États-Unis pour son rôle dans la surveillance du Xinjiang, reste l'un des principaux fournisseurs mondiaux de ce type d'équipements, alimentant un débat croissant sur les exportations technologiques à double usage.

Éthique❧Opinion

1 source

39

Illustration générée par IA

4779IEEE Spectrum AI 

L'Afrique du Sud dispose d'atouts en IA, mais son projet de politique ne les exploite pas

L'Afrique du Sud détient environ 88 % des réserves mondiales de métaux du groupe du platine, des matériaux indispensables à la fabrication de semi-conducteurs et donc à l'infrastructure même de l'intelligence artificielle. Elle abrite le plus grand marché de centres de données du continent africain, évalué à 2,16 milliards de dollars en 2024. Pourtant, le projet de politique nationale sur l'IA, récemment retiré après avoir été rendu public, ne tire aucun parti de cette position stratégique exceptionnelle. Une nouvelle commission a été annoncée pour réviser ce texte, mais le mal est plus profond : aucun mécanisme de vérification n'a empêché la publication d'un document truffé de références erronées, révélant une défaillance systémique dans la façon dont les gouvernements adoptent l'IA. Le vide politique laissé par ce projet avorté se comble dans les faits par une compétition frontale entre les écosystèmes technologiques chinois et américain. Huawei propose désormais aux entreprises africaines un bundle combinant le modèle de langage DeepSeek à ses propres infrastructures cloud et stockage, à des prix inférieurs de plus de 90 % aux offres concurrentes. En face, Microsoft a annoncé un investissement de 5,4 milliards de rands (300 millions de dollars) en cloud et en IA en Afrique du Sud d'ici fin 2027, s'ajoutant à un précédent engagement de 20,4 milliards de rands. Google, AWS et Oracle disposent déjà de régions cloud dans le pays. Ces investissements ne sont pas neutres : l'infrastructure Huawei est documentée comme un vecteur d'objectifs stratégiques chinois, notamment via son réseau de surveillance Safe Cities, tandis que les hyperscalers américains imposent des modèles fermés, des tarifs fixés unilatéralement et des conditions d'accès que nul gouvernement africain n'a réellement négociées. L'ironie de la situation est saisissante : l'Afrique du Sud extrait les minerais qui rendent l'IA possible, mais se retrouve traitée dans sa propre politique comme simple consommatrice de systèmes qu'elle n'a pas façonnés. Sans politique précisant ce qu'elle exige en contrepartie de l'accès à son marché, son levier structurel reste inutilisé. C'est pourtant le seul pays en développement disposant d'un pouvoir de négociation suffisant pour obtenir des conditions réellement différentes de celles que dictent Pékin ou Silicon Valley. Si l'Afrique du Sud renonce à exercer ce rapport de force, elle offre un précédent révélateur : même une position géologique dominante ne suffit pas à imposer des termes équitables dans la gouvernance mondiale de l'IA.

Régulation⚖Reglementation

1 source

47

Illustration générée par IA

4780Le Big Data 

Micron dépasse les 1 000 milliards de dollars grâce à la demande en IA

Micron Technology a franchi pour la première fois le seuil symbolique des 1 000 milliards de dollars de capitalisation boursière le 26 mai 2026, après une séance boursière historique où son action a bondi de 19 %. Ce bond spectaculaire a été déclenché par une révision radicale des prévisions de la banque UBS, qui a quasiment triplé son objectif de cours pour Micron, passant de 535 à 1 625 dollars par action. Pour replacer l'ampleur de ce mouvement : il y a seulement quelques semaines, la valorisation du groupe dépassait à peine les 700 milliards de dollars, et il y a moins de 14 mois, elle s'établissait autour de 60 milliards. Depuis le début de l'année, l'action a plus que triplé, enregistrant une progression de l'ordre de 1 350 % en 413 jours. UBS justifie cette revalorisation par un changement structurel du marché de la mémoire, avec des contrats de long terme et des modèles de prix désormais plus stables. Ce franchissement du trillion illustre une bascule profonde dans la façon dont les investisseurs lisent le marché des semi-conducteurs. Le secteur de la mémoire vive (DRAM) et de la mémoire à haute bande passante (HBM) était historiquement considéré comme cyclique et volatil, soumis à des effondrements de prix réguliers. L'IA générative est en train de modifier cette équation : entraîner des modèles de grande taille, les stocker et les faire tourner en temps réel exige des quantités massives de mémoire haute performance. La demande mondiale dépasse désormais les capacités de production disponibles, ce qui permet aux fabricants d'augmenter leurs prix et de sécuriser des contrats pluriannuels. Pour les hyperscalers, les opérateurs de centres de données et les éditeurs de logiciels IA, cela signifie une pression accrue sur les coûts d'infrastructure et la nécessité de sécuriser leurs approvisionnements bien à l'avance. Pendant des années, NVIDIA et ses GPU ont capté l'essentiel de l'attention et des capitaux dans la chaîne de valeur IA. Micron incarne désormais un deuxième front : celui des infrastructures mémoire sans lesquelles les modèles ne peuvent tout simplement pas fonctionner. Le groupe américain n'est pas seul à en profiter, SK Hynix et Samsung Electronics se trouvent dans une position similaire, mais sa montée en puissance illustre une recomposition plus large de l'écosystème. Des entreprises comme AMD, Marvell Technology et Qualcomm atteignent également de nouveaux sommets, tandis qu'Intel tente de rattraper son retard. Si la dynamique se confirme, la mémoire avancée pourrait devenir un facteur aussi déterminant que les GPU dans la compétition mondiale autour de l'IA, transformant durablement les rapports de force entre fabricants de puces, fournisseurs cloud et développeurs de modèles.

Infrastructure❧Opinion

Aussi surNext INpact