Actualités IA — page 240

7 616 articles au fil, du plus récent au plus ancien.

38

4781AI News 

Snowflake élargit ses plateformes IA techniques et grand public

Snowflake a annoncé une expansion significative de ses deux plateformes d'intelligence artificielle, Snowflake Intelligence et Cortex Code, lors d'une mise à jour publiée cette semaine. Snowflake Intelligence cible les employés non techniques qui souhaitent automatiser des tâches métier en langage naturel : préparer des présentations, lancer des analyses multi-étapes ou envoyer des messages de suivi. Cortex Code, lui, s'adresse aux équipes de développement logiciel en entreprise. Parmi les nouveautés : des intégrations élargies avec Google Workspace, Jira, Salesforce et Slack via le protocole MCP (Model Context Protocol), de nouvelles connexions à des sources de données externes comme AWS Glue, Databricks et PostgreSQL, ainsi qu'un support du protocole ACP (Agent Communication Protocol). Une extension VS Code pour Cortex Code est en préversion privée, et un plugin Snowflake pour Claude Code est en cours de développement. Une application iOS pour Snowflake Intelligence doit entrer en préversion publique prochainement. La plateforme revendique plus de 9 100 clients utilisant ses produits IA chaque semaine, et plus de la moitié de sa base cliente utilise désormais l'une ou l'autre des deux plateformes depuis leur lancement il y a six mois. Ces annonces illustrent la montée en puissance des plateformes dites "agentiques" dans l'entreprise, capables d'exécuter des séquences de tâches de manière autonome à partir d'une simple instruction en langage naturel. Pour les grandes organisations, l'enjeu est de permettre à des collaborateurs sans compétences techniques de piloter des flux de travail complexes, tout en maintenant un contrôle strict sur les droits d'accès et la conformité aux politiques internes. La possibilité de sauvegarder et partager des workflows, combinée à des fenêtres de contexte étendues qui mémorisent les préférences utilisateur, réduit la friction dans l'adoption quotidienne. Le mode "Plan Mode", qui permet de prévisualiser et valider un flux avant son exécution, répond directement aux craintes des entreprises face aux agents IA autonomes. Ces développements s'inscrivent dans une course intense entre fournisseurs de données cloud pour devenir la couche d'orchestration IA de référence en entreprise. Snowflake, historiquement positionné sur le stockage et l'analyse de données, cherche à élargir son emprise vers l'exécution d'actions concrètes, un territoire que se disputent aussi Microsoft, Salesforce et Google. Les nouvelles fonctionnalités découlent en partie du projet SnowWork, une initiative de recherche lancée le mois dernier pour tester la plateforme et collecter les retours utilisateurs. L'ouverture via MCP et ACP signale une stratégie d'interopérabilité délibérée : plutôt que de construire un écosystème fermé, Snowflake mise sur la connectivité avec les outils déjà en place dans les organisations, pariant que la valeur viendra de l'orchestration plutôt que du remplacement.

Outils⚒Outil

1 source

55

4782Le Big Data 

GPT-Image-2 lâché dans la nature : Le nouveau bond d’OpenAI va vous exploser la rétine.

OpenAI a déployé discrètement GPT-Image-2 le 21 avril 2026, sans conférence de presse ni annonce officielle de Sam Altman, directement sur les comptes ChatGPT web et mobile de ses utilisateurs dans le monde entier. Ce nouveau moteur de génération d'images représente un saut qualitatif majeur par rapport à son prédécesseur sur trois dimensions précises : le rendu de texte, la gestion de compositions complexes et le photoréalisme. Les premiers tests diffusés sur X montrent des affiches de films avec une typographie parfaitement lisible, des maquettes de Unes du New York Times où chaque colonne et chaque ligne de crédit est nette, et surtout une grille 10x10 contenant 100 objets distincts commençant par la lettre A, chacun correctement nommé et illustré sans aucune erreur de cohérence visuelle ou textuelle. Ces avancées changent concrètement ce que les professionnels peuvent faire avec l'IA générative. Jusqu'ici, intégrer du texte lisible dans une image produite par IA relevait de la loterie : les modèles produisaient systématiquement des caractères déformés, illisibles, mélangés à du pixel noise. Avec GPT-Image-2, cette limite disparaît, ce qui ouvre des usages immédiatement opérationnels pour les designers graphiques, les équipes marketing et les créateurs de contenu : prototypage d'interfaces, création d'affiches, génération de visuels publicitaires avec du texte intégré, le tout en quelques secondes et sans retouche. La gestion de la complexité spatiale, illustrée par la grille 10x10, signifie également que le modèle peut produire des compositions denses et structurées sans perte de cohérence, là où Midjourney et les outils de Google montrent encore des limites significatives dès que la scène se complique. Ce lancement silencieux un mardi s'inscrit dans une stratégie qui n'est pas anodine. Plusieurs observateurs notent que ce type de déploiement discret précède souvent, chez OpenAI, une annonce plus massive dans les jours suivants, des rumeurs évoquent une présentation liée à GPT-5.5 dès jeudi. GPT-Image-2 est par ailleurs le moteur qui alimente déjà l'API Images d'OpenAI depuis quelques semaines, utilisé notamment par des applications tierces comme ChatGPT Canvas et certains outils Canva. Son ouverture progressive au grand public via ChatGPT marque une étape de maturité : le modèle sort du contexte développeur pour entrer dans l'usage quotidien de masse. La concurrence, notamment Midjourney, qui n'a toujours pas de produit web grand public stable, et Adobe Firefly, va devoir répondre à un outil qui combine désormais photoréalisme, précision textuelle et gestion de la complexité dans un seul package accessible à tous.

Création❧Opinion

1 source

45

4783The Information AI 

Anthropic impose la vérification d'identité, mettant en difficulté les fondateurs chinois

Anthropic a discrètement commencé à exiger de certains clients une pièce d'identité officielle avec photo ainsi qu'une image d'eux-mêmes prise depuis leur téléphone ou webcam. Cette politique, annoncée la semaine dernière, vise à empêcher les utilisateurs situés dans des pays considérés comme adversaires des États-Unis, principalement la Chine, la Russie et la Corée du Nord, d'accéder à ses modèles d'intelligence artificielle de pointe. Un cofondateur d'une startup de développement d'applications IA basée à Pékin a ainsi vu son accès à Claude Code coupé brutalement dans la foulée de cette annonce, sans explication officielle directe. Faute d'alternative, il s'est tourné dès le week-end vers Codex, le service de codage assisté d'OpenAI. Cette décision illustre le durcissement progressif des restrictions d'accès aux outils d'IA américains pour les acteurs chinois. Jusqu'ici, de nombreuses entreprises chinoises, grands groupes technologiques comme startups, contournaient les restrictions officielles d'Anthropic pour accéder à Claude, faisant de la Chine un marché de fait malgré son exclusion formelle. La vérification d'identité par document officiel rend ce contournement beaucoup plus difficile, ce qui pourrait priver des centaines de développeurs et d'entreprises chinoises d'un outil devenu central dans leurs workflows de programmation et de développement produit. Cette mesure s'inscrit dans une série de dispositions prises par Anthropic au cours de l'année écoulée pour se conformer aux orientations géopolitiques américaines en matière d'exportation technologique. OpenAI applique les mêmes restrictions géographiques mais n'impose pas encore de vérification d'identité formelle, ce qui lui confère un avantage pratique auprès des utilisateurs affectés. La tension entre l'expansion commerciale mondiale des laboratoires d'IA américains et les impératifs de sécurité nationale devrait continuer à façonner l'accès aux modèles les plus avancés, avec des conséquences directes pour les écosystèmes d'innovation en dehors des marchés autorisés.

Régulation⚖Reglementation

1 source

41

4784Interesting Engineering 

Le robot humanoïde Optimus de Tesla accueille les coureurs et pose en photos au Marathon de Boston

Le lundi 21 avril 2026, Tesla a transformé le marathon de Boston en vitrine technologique en déployant son robot humanoïde Optimus à quelques mètres de la ligne d'arrivée, devant le showroom situé au 888 Boylston Street. La stratégie était délibérée : le dernier kilomètre de la course longe précisément cette avenue, et plus de 30 000 coureurs issus d'une centaine de pays y franchissent la ligne d'arrivée sous les yeux de centaines de milliers de spectateurs. Pendant deux jours, du 19 au 20 avril, Optimus a salué les coureurs, posé pour des photos et interagi avec le public, offrant à Tesla une exposition mondiale sans acheter le moindre espace publicitaire. Le robot mesure 1,73 mètre, dispose de 40 degrés de liberté et est motorisé par le hardware Autopilot de Tesla. Présenté pour la première fois lors de l'AI Day de Tesla en août 2022, il a depuis multiplié les apparitions : service de popcorn au Tesla Diner de Hollywood en juillet 2025, événement à Miami en décembre 2025, et exposition au salon de l'électronique de Shanghai en mars 2026, où des employés ont évoqué un lancement en production de masse d'ici fin 2026. Elon Musk estime que le coût unitaire à grande échelle se situerait entre 20 000 et 30 000 dollars. Cette mise en scène illustre la montée en puissance de la robotique humanoïde comme outil de communication grand public. En associant Optimus à un événement sportif populaire et émotionnel, Tesla cherche à normaliser la présence des robots dans les espaces publics et à accélérer l'acceptation sociale de sa technologie. L'enjeu commercial est considérable : un robot vendu au prix d'une voiture ordinaire ouvrirait un marché de masse que les industriels, logisticiens et particuliers pourraient absorber massivement. La journée du 19 avril a toutefois mis en lumière un contraste saisissant entre les approches américaine et chinoise de la robotique. Pendant qu'Optimus posait pour des selfies à Boston, la Chine organisait à Pékin le premier semi-marathon humanoïde de l'histoire, dans le district d'E-Town. Des dizaines de robots ont couru en parallèle des humains sur 21 kilomètres, la moitié d'entre eux terminant la course de façon autonome, sans télécommande. Le vainqueur, un robot bipède baptisé "Lightning" conçu par Honor, spin-off de Huawei, a bouclé le parcours en 50 minutes et 26 secondes, surpassant le record mondial humain du demi-marathon détenu par l'Ougandais Jacob Kiplimo en 57 minutes 20 secondes. Cet événement marque un tournant : là où Tesla mise sur la visibilité et le marketing, la Chine parie sur la performance et l'endurance réelle, deux visions qui dessinent les contours d'une compétition technologique et géopolitique croissante autour des robots du futur.

Robotique❧Opinion

1 source

45

4785Ben's Bites 

Claude, mon designer attitré

Anthropic a lancé Claude Opus 4.7 ce week-end, accompagné d'une série de mises à jour significatives pour son écosystème. Le nouveau modèle améliore notablement les capacités de vision, c'est-à-dire l'interprétation d'images, et introduit un niveau de raisonnement inédit baptisé « xhigh », qui s'insère entre les niveaux « high » et « max » déjà existants. Simultanément, Claude hérite d'un onglet Design, une interface de type canvas avec chat latéral permettant de générer des wireframes ou des prototypes haute fidélité à partir d'un formulaire de 5 à 10 questions. Le flux image vers prototype se révèle particulièrement efficace, bien que les générations restent limitées à 2 ou 3 sessions hebdomadaires sur l'abonnement à 20 dollars pendant cette phase de prévisualisation. Du côté de l'agent de code Codex, trois nouveautés ont été déployées : la fonctionnalité Computer Use, qui permet à l'agent d'utiliser des applications macOS en arrière-plan sans bloquer l'ordinateur de l'utilisateur ; Chronicle, un mécanisme opt-in qui exploite le contexte d'écran récent pour construire des souvenirs ; et un ensemble de plugins, dont la génération d'images. Par ailleurs, la startup Factory AI, qui développe l'agent de code Droid, a bouclé une levée de fonds de 150 millions de dollars, portant sa valorisation à 1,5 milliard de dollars. Ces annonces illustrent la course effrénée des acteurs de l'IA à transformer leurs modèles en plateformes complètes. L'onglet Design de Claude, en particulier, s'attaque directement au marché du prototypage rapide jusqu'ici dominé par des outils comme Figma, en proposant une boucle de création entièrement guidée par le langage naturel. La fonctionnalité Computer Use de Codex, elle, cherche à dépasser les démos laborieuses de contrôle d'interface pour offrir une automatisation fluide en tâche de fond, ce qui représente un saut qualitatif si les performances tiennent à l'usage réel. La valorisation de Factory AI à 1,5 milliard confirme l'appétit des investisseurs pour les agents de développement logiciel autonomes. Dans ce contexte d'accélération, OpenAI a connu une semaine difficile sur le plan humain : trois cadres de premier plan ont quitté l'entreprise, à savoir Kevin Weil, ancien directeur produit devenu responsable d'OpenAI for Science, Bill Peebles, co-créateur du générateur vidéo Sora, et Srinivas Narayanan, directeur technique des applications B2B. Ces départs simultanés alimentent les questions sur la cohésion interne d'OpenAI à un moment charnière. Vercel a également annoncé avoir subi une intrusion via le compte d'un employé compromis sur un autre produit IA tiers, soulignant les risques croissants liés à la prolifération des outils connectés. Enfin, la critique adressée à Claude Cowork, l'espace de travail collaboratif d'Anthropic, rappelle une tension persistante : les capacités avancées restent inaccessibles aux utilisateurs non initiés, risquant de nourrir la désillusion envers l'IA pour les prochains mois.

Outils⚒Outil

1 source

46

4786Interesting Engineering 

Tien Kung 3.0 remporte le Robot Warrior Challenge en Chine sans intervention humaine

Le 18 avril 2026, le robot humanoïde Tien Kung 3.0, développé par le Beijing Innovation Center of Humanoid Robotics (X-Humanoid), a remporté l'inaugural Beijing Yizhuang Robot Warrior Challenge en accomplissant l'intégralité du parcours sans aucune intervention humaine. Ce défi, conçu pour simuler des opérations de sauvetage en milieu hostile, comprenait des épreuves à haut risque : traversée de pendules, franchissement d'obstacles, et breaching de barrières dans des environnements imitant des décombres sismiques, des zones chimiques dangereuses et des structures effondrées. Le lendemain, le 19 avril, Pékin accueillait aussi son deuxième semi-marathon de robots humanoïdes, remporté par le robot "Lightning" de la Team Honor en 50 minutes et 26 secondes, en mode entièrement autonome. Une version plus rapide du même robot avait bouclé le parcours en 48 minutes et 19 secondes, mais en télécommandée, ce qui l'a disqualifiée selon les règles favorisant l'autonomie complète. La victoire de Tien Kung 3.0 représente un saut qualitatif dans l'autonomie des robots humanoïdes. Contrairement aux systèmes précédents qui exécutaient des scripts préprogrammés ou dépendaient de commandes à distance, le robot a démontré une prise de décision active en temps réel dans des environnements non structurés. Sa plateforme d'intelligence incarnée "Wise KaiWu" assure une intégration en boucle fermée entre perception, planification, contrôle et récupération en cas de défaillance. Un système de perception multimodal traite les données de capteurs hétérogènes via un modèle de bout en bout, permettant de traduire directement les observations brutes en stratégies de mouvement. La mobilité est elle aussi frappante : le temps de référence du semi-marathon est passé de 2 heures 40 minutes en 2025 à moins de 50 minutes cette année, signe d'avancées massives en équilibre, endurance et navigation autonome. Ces performances s'inscrivent dans une dynamique d'accélération que la Chine pilote de manière très structurée. Le semi-marathon 2026 a réuni 100 équipes pour 300 robots issus de 26 marques, dont des participants venus de France, d'Allemagne et du Brésil, soit près de cinq fois plus que lors de la première édition. Des acteurs majeurs comme Unitree, Tiangong ou Noetix Robotics y ont présenté des conceptions variées, des plateformes haute tension aux moteurs refroidis à l'eau. X-Humanoid a mobilisé quatre équipes internes et des laboratoires conjoints de l'Université du Hunan et de l'Université Renmin de Chine. Les experts soulignent que ces progrès en contrôle temps réel, adaptation au terrain et décision autonome ouvrent des perspectives concrètes pour la recherche et le sauvetage, les opérations industrielles, la logistique et la défense, des secteurs où la Chine cherche à s'imposer comme puissance robotique mondiale.

Robotique⚡Actu

1 source

47

4787SCMP Tech 

Moonshot AI publie son modèle phare en open source

La start-up chinoise Moonshot AI a publié lundi son nouveau modèle phare en open source, Kimi K2.6, une version améliorée de sa précédente génération axée notamment sur le codage longue portée et les tâches complexes nécessitant une planification étendue. Cette sortie intervient alors qu'Alibaba, ByteDance et Tencent ont conjointement signé un engagement pour promouvoir l'open source dans l'intelligence artificielle en Chine, un signal fort de la part de trois des géants technologiques les plus influents du pays. Ce mouvement vers l'ouverture des modèles traduit une tendance de fond dans l'industrie chinoise de l'IA : rendre les modèles accessibles permet d'accélérer l'adoption, d'attirer les développeurs et de construire un écosystème autour de sa technologie, sans pour autant sacrifier la rentabilité sur d'autres segments. Pour les entreprises et développeurs qui cherchent des alternatives aux modèles occidentaux fermés comme GPT-4o ou Claude, Kimi K2.6 représente une option sérieuse, particulièrement pour des usages intensifs en programmation. La décision de Moonshot AI s'inscrit dans une dynamique plus large de compétition entre stratégies ouvertes et fermées en Chine. Alors que des acteurs comme DeepSeek ont démontré qu'un modèle open source pouvait rivaliser avec les meilleurs systèmes propriétaires, les entreprises chinoises naviguent entre impératifs commerciaux et pression à la transparence. La coexistence de l'engagement collectif à l'open source et des investissements parallèles dans des systèmes fermés révèle que la stratégie optimale reste encore à définir dans un secteur en mutation rapide.

LLMs❧Opinion

1 source

35

4788The Verge AI 

Yelp rend son chatbot IA bien plus utile

Yelp vient d'annoncer une refonte majeure de son assistant chatbot, baptisé Yelp Assistant, avec l'ambition de transformer la plateforme en véritable concierge numérique. Selon le communiqué officiel de l'entreprise, le bot sera désormais placé "au centre de l'expérience applicative", capable de répondre à des questions, formuler des recommandations personnalisées et gérer des réservations au sein d'une seule et même conversation. Cette mise à jour s'inscrit dans une série d'évolutions axées sur l'IA que Yelp déploie depuis plusieurs mois. L'enjeu est de taille : faire passer l'IA d'un rôle purement informatif à un rôle d'action concrète. Plutôt que de simplement lire des avis, l'utilisateur peut désormais accomplir une tâche complète sans quitter l'application. Pour Yelp, dont le modèle repose sur des millions d'avis générés par les utilisateurs, c'est aussi une façon de monétiser autrement cette base de données unique en guidant l'utilisateur jusqu'à la réservation finale. Cette initiative reflète une tendance plus large dans l'industrie tech : les plateformes à forte base de données propriétaires cherchent à transformer leur actif en avantage compétitif face aux assistants IA généralistes comme ChatGPT ou Google Gemini. Yelp, qui reste une référence aux États-Unis pour les avis locaux sur les restaurants et commerces, mise sur la profondeur de ses données de contexte local pour se différencier. La prochaine étape sera de voir si les utilisateurs adoptent réellement ce mode de navigation conversationnel plutôt que la recherche classique.

Outils⚒Outil

1 source

37

4789InfoQ AI 

DoorDash intègre les LLM dans sa personnalisation avancée

DoorDash a dévoilé une refonte profonde de son système de personnalisation, passant d'une logique de merchandising statique à une approche dynamique centrée sur le moment de consommation. Présenté par Sudeep Das et Pradeep Muthukrishnan, deux ingénieurs de la plateforme, ce nouveau système exploite des grands modèles de langage (LLM) pour générer des profils utilisateurs en langage naturel ainsi que des "blueprints" de contenu adaptés à chaque contexte d'usage, qu'il s'agisse d'une commande express un soir de semaine ou d'un repas planifié le week-end. L'enjeu est de taille : avec un catalogue de millions de restaurants et de produits, DoorDash se retrouvait face au problème classique de l'abondance, où la pertinence de la recommandation se dégrade à mesure que l'offre s'élargit. En combinant la capacité des LLM à interpréter l'intention immédiate de l'utilisateur avec des modèles de deep learning classiques pour le classement final, la plateforme parvient à affiner ses recommandations en temps réel, sans alourdir les couches de ranking critiques en termes de latence. Cette architecture hybride illustre une tendance croissante dans l'industrie : les LLM ne remplacent pas les systèmes de recommandation traditionnels, mais viennent enrichir la compréhension sémantique du contexte utilisateur en amont. DoorDash rejoint ainsi Amazon, Netflix et Instacart dans la course à la personnalisation contextuelle, où capturer l'intention fugace d'un utilisateur devient un avantage compétitif décisif face à des plateformes de livraison de plus en plus interchangeables.

LLMs⚒Outil

1 source

49

4790AI News 

Siemens lance un système d'IA pour l'ingénierie d'automatisation

Siemens a dévoilé l'Eigen Engineering Agent, un système d'intelligence artificielle conçu pour planifier et valider des tâches d'ingénierie en automatisation industrielle. Intégré directement dans la plateforme TIA Portal (Totally Integrated Automation Engineering), qui compte plus de 600 000 utilisateurs dans le monde, cet agent autonome est capable d'interpréter des cahiers des charges, de générer du code pour automates programmables (PLC), de configurer des interfaces homme-machine (HMI) et d'affiner ses résultats jusqu'à ce qu'ils atteignent les critères de performance définis. Le système décompose les problèmes d'ingénierie en étapes séquentielles, évalue chaque résultat en boucle fermée, puis soumet la version finale à la validation d'un ingénieur humain. Selon Siemens, il exécute ces tâches deux à cinq fois plus vite que les workflows manuels équivalents. Des pilotes ont été menés auprès de plus de 100 entreprises dans 19 pays, impliquant notamment ANDRITZ Metals, CASMT et Prism Systems. Prism Systems a utilisé l'outil pour générer et importer du code SCL (Structured Control Language), tandis que CASMT l'a appliqué à la configuration de dispositifs, la génération de code et la visualisation HMI dans des lignes de production, réduisant ainsi les transferts entre spécialistes et les délais de livraison. L'Eigen Engineering Agent est disponible au sein du portfolio Xcelerator de Siemens. L'enjeu est considérable pour un secteur industriel sous pression. Les estimations du marché prévoient un déficit mondial pouvant atteindre sept millions de travailleurs dans la fabrication d'ici 2030, avec environ un poste d'ingénieur sur cinq actuellement non pourvu dans certains secteurs. Un outil capable d'automatiser des tâches d'ingénierie complexes et répétitives sans sacrifier la précision représente donc une réponse directe à cette pénurie structurelle. Pour les industriels, cela signifie concrètement des cycles de développement raccourcis, moins de dépendance à des spécialistes rares, et la possibilité d'intégrer des environnements hérités ou non documentés grâce à la capacité du système à lire les hiérarchies de contrôle et les dépendances de composants existants. Cette annonce s'inscrit dans une stratégie d'investissement massive de Siemens dans l'IA industrielle, matérialisée par un engagement d'un milliard d'euros annoncé précédemment. Le groupe allemand mobilise aujourd'hui plus de 1 500 spécialistes en IA et détient plus de 2 000 familles de brevets liés à l'IA à l'échelle mondiale. Le lancement de l'Eigen Engineering Agent illustre la transition du secteur industriel vers des systèmes d'IA agentiques, capables non plus seulement d'assister, mais d'exécuter des workflows complets de bout en bout. Les déploiements initiaux se concentrent sur l'ingénierie d'automatisation, mais Siemens indique que l'architecture est conçue pour s'étendre à d'autres segments de la chaîne de valeur industrielle, ouvrant la voie à une automatisation plus large des processus d'ingénierie dans les usines connectées.

Outils⚒Outil

1 source

54

4791Next INpact 

Anthropic et Amazon étendent leur accord, 5 milliards de dollars contre 5 GW

Anthropic et Amazon ont annoncé lundi un accord stratégique de grande ampleur, combinant un investissement massif en capital et une promesse de dépenses garanties en infrastructure. Amazon injecte 5 milliards de dollars dans Anthropic, avec une option ouverte sur 20 milliards supplémentaires dont les conditions restent floues. En contrepartie, Anthropic s'engage à mobiliser l'équivalent de 5 gigawatts de puissance de calcul sur les infrastructures AWS, dont près d'1 GW de capacité Trainium2 et Trainium3 opérationnelle d'ici fin 2026. Ces engagements représenteraient, selon Anthropic, plus de 100 milliards de dollars de dépenses sur dix ans. L'accord inclut également un volet commercial inédit : la Claude Platform, l'accès API aux modèles d'Anthropic, sera intégrée directement dans l'écosystème AWS, avec une facturation unifiée et sans contrats séparés, actuellement en bêta privée. Cet accord repose le cloud computing au centre de la compétition entre les grands laboratoires d'IA. Pour Amazon, verrouiller Anthropic comme client et partenaire stratégique sur ses puces Trainium renforce la crédibilité d'une gamme encore peu éprouvée face aux GPU de Nvidia. Pour Anthropic, l'intégration native dans AWS ouvre un accès direct à des centaines de milliers d'entreprises clientes du leader du cloud, sans passer par l'intermédiaire de Bedrock, le service agnostique d'Amazon qui dilue la visibilité des modèles individuels. La facturation unifiée réduit la friction d'adoption pour les équipes techniques, ce qui pourrait accélérer significativement la croissance commerciale d'Anthropic auprès des entreprises soumises à des contraintes de gouvernance strictes. Cet accord s'inscrit dans une relation qui remonte à fin 2023, Amazon ayant déjà investi 8 milliards de dollars dans Anthropic en deux tranches. Il intervient dans un contexte de course aux engagements d'infrastructure entre les grands acteurs de l'IA : Anthropic avait évoqué fin octobre son intention d'exploiter un million de TPU Google, et affirme aujourd'hui utiliser un million de puces Trainium2. La superposition de ces engagements pose des questions sur leur compatibilité réelle et sur la précision des chiffres en équivalent-puissance, une unité de mesure devenue courante mais difficile à vérifier. Sur le plan financier, Anthropic profite de l'annonce pour réaffirmer une trajectoire de revenus annualisés supérieure à 3 milliards de dollars, contre 9 milliards de dollars projetés fin 2025, ce qui la placerait désormais devant OpenAI, dont Sam Altman revendiquait 2 milliards de dollars de chiffre d'affaires mensuel en mars dernier.

Business❧Opinion

1 source

57

4792The Decoder 

Amazon investit 33 milliards dans Anthropic, qui s'engage à dépenser 100 milliards sur AWS

Amazon a annoncé un investissement supplémentaire pouvant atteindre 25 milliards de dollars dans Anthropic, portant l'engagement total du géant du e-commerce à environ 33 milliards de dollars dans la startup d'intelligence artificielle. En contrepartie, Anthropic s'est engagée à dépenser plus de 100 milliards de dollars sur l'infrastructure cloud d'Amazon Web Services au cours des dix prochaines années. Cet accord massif vise notamment à répondre à la tension croissante sur les capacités de calcul dont Anthropic a besoin pour entraîner et déployer ses modèles Claude à grande échelle. L'impact de ce partenariat est considérable pour l'ensemble de l'industrie de l'IA. Pour Anthropic, l'accès garanti à une infrastructure AWS de cette ampleur lui permet de rivaliser avec OpenAI et Google DeepMind sans être freinée par des contraintes de capacité. Pour Amazon, l'accord consolide AWS comme fournisseur cloud de référence pour les acteurs de l'IA générative, un marché en pleine explosion où Microsoft Azure et Google Cloud se disputent chaque contrat stratégique. Ce deal illustre parfaitement la dynamique circulaire qui caractérise désormais le secteur : les grands fournisseurs cloud injectent des milliards dans des startups IA, qui recyclent immédiatement ces fonds en achats d'infrastructure chez ces mêmes investisseurs. Amazon avait déjà investi 4 milliards de dollars dans Anthropic en 2023, avant un second engagement de plusieurs milliards en 2024. Cette escalade des montants reflète la course aux ressources de calcul qui structure la compétition mondiale en intelligence artificielle, où la puissance de traitement est devenue l'actif stratégique le plus convoité.

Business❧Opinion

Aussi surLe Big Data

50

4793FrenchWeb 

Streaming : l’IA fait exploser l’offre et dilue d’autant les revenus des artistes

Sur Deezer, 75 000 titres générés par intelligence artificielle sont désormais téléversés chaque jour, représentant près de 44 % de l'ensemble des nouveaux contenus mis en ligne sur la plateforme. Ce chiffre a été multiplié par sept en à peine plus d'un an, témoignant d'une accélération massive de la production musicale automatisée. Paradoxalement, ces titres ne concentrent qu'entre 1 % et 3 % des écoutes effectives, révélant un fossé considérable entre volume produit et audience réelle. Ce déséquilibre a des conséquences directes sur les revenus des artistes humains. Les modèles de rémunération des plateformes de streaming sont fondés sur une répartition proportionnelle des écoutes : chaque flux génère une fraction du revenu total, redistribuée selon la part d'audience de chaque titre. En inondant le catalogue de contenus peu écoutés, la musique IA dilue mécaniquement ce pool de revenus, sans pour autant capter une audience significative. Les artistes indépendants, dont les marges sont déjà ténues, sont les premiers touchés par cet effet de dilution. Ce phénomène s'inscrit dans une tension plus large entre plateformes, ayants droit et créateurs à l'ère de la génération automatisée. Des services comme Deezer, Spotify ou YouTube Music peinent à établir des règles claires sur l'indexation des contenus synthétiques, faute de cadre réglementaire adapté. Les sociétés de gestion collective et les syndicats d'artistes réclament des mécanismes de filtrage ou de séparation des pools de revenus, une bataille qui s'annonce centrale dans les négociations à venir avec les majors et les législateurs européens.

Éthique⚖Reglementation

1 source

49

4794Le Big Data 

Course à l’IA : le laboratoire de Jeff Bezos proche d’un méga deal à 38 milliards

Project Prometheus, la start-up d'IA cofondée par Jeff Bezos, s'apprête à finaliser une levée de fonds de près de 10 milliards de dollars qui porterait sa valorisation à 38 milliards, selon le Financial Times. Cette opération intervient moins d'un an après un premier tour de table de 6,2 milliards, confirmant une trajectoire de financement exceptionnellement rapide. La société, fondée il y a moins de 12 mois, compte entre 50 et 200 employés recrutés en grande partie chez OpenAI, xAI et Google DeepMind. Elle est dirigée par Jeff Bezos aux côtés de Vik Bajaj, ancien responsable de Google X et professeur associé à Stanford. Ses bureaux sont établis à San Francisco, au coeur de l'écosystème mondial de l'IA. Par ailleurs, selon le New York Times, Bezos aurait engagé des discussions préliminaires avec des investisseurs du Moyen-Orient et d'Asie du Sud-Est pour lever jusqu'à 100 milliards de dollars supplémentaires, dans le but de créer un fonds dédié aux entreprises exploitant les technologies de Prometheus. Ce qui distingue Prometheus de la plupart de ses concurrents, c'est son positionnement sur l'IA physique : des systèmes capables d'interagir directement avec des environnements industriels réels, dans des secteurs comme la fabrication, l'ingénierie aérospatiale ou la production de semi-conducteurs. Là où l'IA générative peine encore à démontrer un retour sur investissement immédiat pour les industriels, Prometheus parie sur une IA qui agit dans le monde tangible plutôt que de se limiter au traitement de données. Pour les entreprises manufacturières et les grandes industries, ce type de technologie représente un levier de transformation directe, potentiellement plus concret que les modèles conversationnels grand public. C'est précisément ce créneau qui justifie l'intérêt massif des investisseurs, malgré l'absence totale de revenus à ce stade. La montée en puissance de Project Prometheus s'inscrit dans une phase nouvelle de la course mondiale à l'IA, où les batailles ne se jouent plus uniquement sur les performances des modèles de langage, mais sur leur intégration dans l'économie réelle. Jeff Bezos, avec une fortune estimée à plus de 200 milliards de dollars et un réseau d'investisseurs mondial, dispose d'une capacité d'action hors norme pour imposer Prometheus dans ce segment. La stratégie rappelle les logiques d'intégration verticale bien connues dans la tech : contrôler à la fois la technologie fondamentale et l'écosystème d'entreprises qui l'exploitent. Bloomberg précise que le tour de table actuel reste ouvert et que ses modalités pourraient encore évoluer, signe que la compétition pour entrer au capital de la start-up reste vive. Dans un secteur où OpenAI, Anthropic et Google se disputent la couche logicielle, Prometheus tente de s'imposer sur la couche industrielle, un pari ambitieux mais cohérent avec la vision long terme de son fondateur.

Business❧Opinion

1 source

47

4795MarkTechPost 

Démonstration Qwen 3.6-35B-A3B : inférence multimodale, raisonnement, appel d'outils, MoE, RAG et persistance de session

Alibaba a publié Qwen 3.6-35B-A3B, un modèle de langage multimodal à architecture MoE (Mixture of Experts) de 35 milliards de paramètres, dont seulement 3,6 milliards sont activés par inférence. Un tutoriel complet, publié en avril 2026, détaille comment déployer ce modèle de bout en bout dans un environnement Google Colab équipé d'un GPU A100 ou L4. L'implémentation couvre un spectre large de fonctionnalités : inférence multimodale avec traitement d'images, contrôle du budget de raisonnement, génération en streaming avec séparation des traces de réflexion et des réponses finales, appel d'outils externes, génération JSON structurée, inspection du routage MoE, benchmarking, génération augmentée par récupération (RAG) et persistance de session. Le code charge le modèle de manière adaptative selon la VRAM disponible : en précision complète bfloat16 au-delà de 75 Go, en quantification int8 entre 40 et 75 Go, et en int4 en dessous, réduisant ainsi les besoins matériels d'un modèle qui pèse environ 70 Go à télécharger. Ce type d'implémentation représente un tournant concret pour les développeurs et chercheurs qui souhaitent expérimenter avec des modèles de frontier-level sans infrastructure cloud dédiée. La capacité à contrôler explicitement le budget de raisonnement, c'est-à-dire la profondeur de réflexion que le modèle alloue avant de répondre, ouvre des usages précis : réduire la latence pour des tâches simples, ou au contraire laisser le modèle « penser » longuement sur des problèmes complexes de code ou de raisonnement logique. L'intégration native du RAG permet de connecter le modèle à des bases de connaissances externes sans fine-tuning, tandis que la persistance de session autorise des conversations longues et cohérentes sur plusieurs échanges. Pour les équipes produit, cela signifie qu'un prototype d'assistant multimodal capable d'appeler des API, d'analyser des images et de maintenir un contexte conversationnel peut être construit sur une seule machine GPU en quelques heures. Qwen 3.6-35B-A3B s'inscrit dans la série Qwen 3 d'Alibaba Cloud, dont plusieurs variantes ont été publiées en open-source début 2025, positionnant le groupe chinois comme concurrent direct d'OpenAI, Google DeepMind et Meta sur le segment des grands modèles accessibles. L'architecture MoE est au coeur de cette stratégie : en n'activant qu'une fraction des paramètres à chaque inférence, elle permet de combiner la capacité d'un très grand modèle avec un coût de calcul réduit. Le tutoriel en question s'adresse aux praticiens qui veulent dépasser l'usage via API et comprendre les mécanismes internes, notamment le routage des experts, observable directement dans le code fourni. La prochaine étape naturelle pour la communauté sera d'évaluer ces capacités sur des benchmarks standardisés et d'intégrer ces modèles dans des pipelines de production, un domaine où la persistance de session et l'appel d'outils deviennent des critères de sélection aussi importants que les scores académiques.

LLMs≡Tuto

1 source

44

4796Le Big Data 

Chronicle : cette nouveauté qui permet à Codex de comprendre votre écran

OpenAI a lancé le 20 avril 2026 une fonctionnalité expérimentale baptisée Chronicle, intégrée à Codex, son assistant de programmation basé sur l'IA. Chronicle capture le contenu récent affiché à l'écran de l'utilisateur pour enrichir automatiquement la mémoire de Codex. Concrètement, l'outil observe ce qui est visible en temps réel, qu'il s'agisse d'un bug dans un éditeur de code, d'un message Slack, d'un fichier ouvert ou d'un workflow en cours, et construit à partir de ces éléments un contexte exploitable sans que l'utilisateur n'ait besoin de le décrire manuellement. La fonctionnalité fait suite à une préversion des "mémoires" dans Codex sortie la semaine précédente, et reste pour l'instant réservée aux abonnés ChatGPT Pro sur macOS, avec certaines régions encore exclues. L'enjeu est de supprimer une friction fondamentale dans l'utilisation des assistants IA : la nécessité de re-contextualiser à chaque session. Jusqu'ici, un développeur devait expliquer à Codex ce sur quoi il travaillait, lui rappeler les fichiers concernés, les erreurs rencontrées, les interlocuteurs impliqués. Chronicle élimine cette répétition en observant directement l'environnement de travail. Codex peut ainsi détecter une erreur dans un projet, localiser les logs associés et agir sans interruption. Il retient également les habitudes de l'utilisateur, les outils préférés, les méthodes de travail, créant progressivement une expérience personnalisée proche de celle d'un assistant humain qui aurait passé des semaines à observer comment vous travaillez. Ce type de fonctionnalité place néanmoins OpenAI sur un terrain délicat. Pour fonctionner, Chronicle exige des autorisations étendues : enregistrement d'écran, accès aux fonctionnalités système. Les captures sont temporaires et disparaissent au bout de quelques heures, mais les souvenirs générés sont stockés localement sous forme de fichiers non chiffrés, accessibles potentiellement par d'autres programmes. Un utilisateur inattentif peut ainsi exposer des données sensibles capturées à l'écran sans s'en rendre compte. Par ailleurs, les agents fonctionnant en arrière-plan consomment rapidement les ressources allouées, ce qui contraint l'usage dans cette phase expérimentale. OpenAI se retrouve dans la position classique des acteurs qui veulent proposer une IA véritablement contextuelle, mais doivent le faire sans heurter les exigences de vie privée d'utilisateurs de plus en plus vigilants. Chronicle constitue une étape vers l'assistant ambiant dont l'industrie parle depuis des années, mais sa généralisation dépendra autant de sa robustesse technique que de la confiance que les utilisateurs voudront bien lui accorder.

Outils⚒Outil

1 source

40

4797Le Big Data 

Top des meilleurs avatar generators - avril 2026

En avril 2026, le marché des générateurs d'avatars IA s'est structuré autour de trois acteurs dominants : HeyGen, Synthesia et Elai. HeyGen s'impose comme le leader du réalisme visuel avec plus de 100 modèles d'avatars humains haute définition, un clonage vocal avancé et une synchronisation labiale multilingue jugée quasi indiscernable du réel lors des tests pratiques. Synthesia, de son côté, se positionne comme la référence corporate avec un catalogue de plus de 140 avatars, une compatibilité avec 120 langues sans accent, et une robustesse adaptée aux volumes de production industriels. Elai complète ce podium avec un positionnement orienté personal branding. Ces trois outils partagent un point commun : transformer un simple script texte en vidéo présentée par un avatar en quelques clics, sans tournage ni équipement. L'enjeu de ces plateformes dépasse la simple curiosité technologique : elles redéfinissent concrètement la production de contenu vidéo pour les entreprises, formateurs, marketeurs et créateurs. Là où un tournage classique mobilise temps, matériel et budget, ces outils réduisent la barrière à l'entrée de manière radicale. Pour les équipes de formation en entreprise, Synthesia permet de déployer des modules e-learning en dizaines de langues sans refaire une seule prise de vue. Pour les marques cherchant une présence vidéo haut de gamme, HeyGen offre un rendu premium autrefois réservé aux productions coûteuses. Le prix reste toutefois un frein : les abonnements sont qualifiés d'élevés sur l'ensemble du segment, avec des essais gratuits volontairement limités. Ce classement s'inscrit dans une accélération plus large de la vidéo synthétique générative, portée par les progrès des modèles de diffusion et des architectures de lip-sync depuis 2023. HeyGen et Synthesia, tous deux fondés aux États-Unis, ont levé des fonds significatifs pour s'imposer comme standards mondiaux, tandis que des acteurs spécialisés comme Elai cherchent à se différencier sur des niches précises comme le branding personnel. La question de la détection des deepfakes et de la confiance des audiences reste un enjeu sous-jacent que ces plateformes gèrent en partie via des chartes d'usage. Les prochains mois verront probablement une course à l'interactivité en temps réel et à l'intégration directe dans les outils de présentation et de visioconférence, segment où plusieurs startups sont déjà actives.

Outils⚒Outil

Aussi surBlog du Modérateur

46

4798Next INpact 

Comment l’intelligence artificielle générative bouscule le métier d’avocat d’affaires

L'intelligence artificielle générative s'invite désormais dans les cabinets d'avocats d'affaires, transformant en profondeur la relation entre juristes et clients. Alexandra Iteanu, avocate spécialiste des questions numériques, observe depuis environ un an un phénomène nouveau : des clients arrivent en consultation avec des contrats déjà rédigés par ChatGPT ou d'autres outils, voire avec des stratégies contentieuses esquissées par l'IA. Sarah Jelin, avocate d'affaires à son compte, dit avoir eu entre les mains au moins un pacte entièrement généré par IA, une expérience qu'elle juge contre-productive : corriger le document lui prendrait plus de temps que de le rédiger elle-même. Jordan Illouz, associé chez Advant Altana, cabinet d'une centaine de personnes spécialisé en contentieux commercial, n'a pas encore été confronté massivement à cette pratique, mais anticipe que cela ne saurait tarder. Côté interne, les chiffres parlent d'eux-mêmes : selon un sondage Lefebvre Dalloz et CSA Research réalisé auprès de 627 professionnels du droit, 72 % d'entre eux utilisent l'IA quotidiennement, via des outils grand public ou des plateformes spécialisées secteur juridique. Ce glissement redéfinit le rôle de l'avocat de manière analogue à ce que vivent traducteurs et développeurs depuis quelques années : le professionnel passe d'une logique de production à une logique de relecture et de validation. Pour les clients, l'accès à un premier niveau de conseil juridique devient immédiat et gratuit, ce qui peut sembler libérateur. Mais la qualité des documents produits reste inégale, et les erreurs dans un contrat ou une stratégie contentieuse peuvent avoir des conséquences financières et juridiques sévères. L'IA, entraînée sur des corpus généraux, ignore souvent les nuances du droit applicable, les clauses négociées implicitement dans un secteur donné, ou les jurisprudences récentes. Le risque est réel que des entreprises, convaincues d'avoir fait des économies, découvrent trop tard les lacunes de documents mal balisés. Ce phénomène s'inscrit dans une transformation plus large du marché des services intellectuels à haute valeur ajoutée, où l'IA joue de plus en plus le rôle de premier filtre. Les grands cabinets, qui travaillent sur des dossiers complexes et multicouches, semblent pour l'instant moins exposés que les structures de taille intermédiaire ou les avocats indépendants, dont la clientèle est davantage tentée d'automatiser les actes courants. La question de la responsabilité juridique en cas d'erreur d'un document généré par IA reste entière, et aucun cadre réglementaire clair ne s'est encore imposé en France. Les avocats spécialisés dans le numérique, comme Alexandra Iteanu, se trouvent en première ligne pour négocier cette transition, appelés à renouveler la confiance que leurs clients leur accordent sur un terrain où la machine s'est invitée sans crier gare.

Société❧Opinion

1 source

45

4799Frandroid 

Tesla et Optimus : pourquoi Elon Musk ne peut plus se passer de la Chine

Tesla a officiellement annoncé un pivot stratégique majeur : la production de ses modèles historiques est réduite au profit du robot humanoïde Optimus, qu'Elon Musk présente comme l'avenir de l'entreprise. L'objectif affiché est de produire plusieurs millions d'unités d'Optimus par an à terme, un volume qui dépasse largement les capacités actuelles des usines américaines et européennes. Pour atteindre cette échelle industrielle, Tesla s'appuie de façon croissante sur sa Gigafactory de Shanghai et sur le tissu de fournisseurs chinois spécialisés dans les moteurs, actionneurs et composants mécaniques nécessaires aux robots. Cette dépendance pose un problème stratégique de taille. Dans un contexte de guerre commerciale entre Washington et Pékin, Pékin dispose d'un levier considérable : les terres rares et les composants électroniques avancés, dont la Chine contrôle une part dominante de la production mondiale. Une restriction d'exportation ciblée pourrait paralyser la montée en cadence d'Optimus bien avant que Tesla n'ait pu diversifier ses approvisionnements. Pour Musk, qui cherche à positionner Optimus comme une réponse à la pénurie de main-d'oeuvre industrielle, l'enjeu est directement lié à la valorisation future de Tesla. Ce paradoxe illustre une tension plus large dans l'industrie robotique américaine : les entreprises qui veulent produire à grande échelle n'ont pas d'alternative crédible à court terme aux chaînes d'approvisionnement chinoises. BYD, Huawei et plusieurs groupes industriels de Shenzhen développent leurs propres robots humanoïdes, ce qui signifie que Tesla est simultanément dépendante et concurrencée par le même écosystème industriel chinois.

Robotique❧Opinion

1 source

51

4800arXiv cs.RO 

ROBOGATE : détection adaptative des défaillances pour un déploiement sûr des politiques de robots via un échantillonnage en deux étapes axé sur les limites

Des chercheurs ont publié ROBOGATE (arXiv:2603.22126), un framework open-source de validation pré-déploiement pour les politiques de manipulation robotique, conçu pour identifier les zones de défaillance avant mise en production industrielle. Le système repose sur un échantillonnage adaptatif en deux étapes dans un espace de paramètres à huit dimensions : une première phase par Latin Hypercube Sampling (LHS) couvre l'espace global, puis une seconde phase concentre l'effort sur la zone de transition critique entre 30 % et 70 % de taux de réussite, là où les échecs sont les plus révélateurs. Le tout est exécuté dans NVIDIA Isaac Sim avec le moteur physique Newton, sur quatre morphologies robotiques : Franka Panda (7-DOF), UR3e, UR5e et UR10e (tous 6-DOF). Au total, plus de 50 000 expériences ont été simulées, produisant un modèle de régression logistique avec une AUC de 0,780 et une équation analytique fermée de la frontière de défaillance. Le framework a également benchmarké huit politiques VLA, dont une version fine-tunée de NVIDIA GR00T N1.6 (3 milliards de paramètres), entraînée sur LIBERO-Spatial pendant 20 000 étapes. Le chiffre le plus frappant de l'étude est un écart de 97,65 points de pourcentage entre les environnements de simulation : le même checkpoint GR00T N1.6 atteint 97,65 % de réussite sur le benchmark LIBERO sous MuJoCo, mais tombe à 0 % sur les 68 scénarios industriels de ROBOGATE sous Isaac Sim. Ce résultat met en lumière un problème structurel du déploiement des VLA : les scores de benchmark en simulation ne prédisent pas le comportement dans un simulateur différent, a fortiori dans le monde réel. Pour les intégrateurs et les décideurs industriels, cela signifie qu'un modèle validé sur benchmark standard peut être totalement non opérationnel dans leur environnement cible. ROBOGATE propose une couche de validation intermédiaire, inspirée du paradigme que NVIDIA a formalisé pour le calcul quantique avec Ising, transposé ici à l'IA physique. Le gap sim-to-real reste l'un des verrous majeurs de la robotique manipulatrice apprise, et la plupart des acteurs du secteur, de Figure AI (Figure 03) à Physical Intelligence (Pi-0) en passant par Boston Dynamics ou les équipes internes de NVIDIA, travaillent à le réduire via des pipelines sim-to-real renforcés ou de la synthèse de données domain-randomisée. ROBOGATE ne prétend pas résoudre ce gap mais fournit un outil de diagnostic structuré : cartographier les frontières d'échec avant déploiement, ce qui est précisément ce qui manque dans les workflows industriels actuels. Le framework est publié en open-source, ce qui devrait faciliter son adoption par les équipes de validation, en particulier celles qui travaillent sur des cellules pick-and-place standardisées avec des bras industriels UR ou Franka. Les prochaines étapes naturelles seraient l'extension à des morphologies mobiles-manipulatrices et l'intégration dans des pipelines CI/CD robotiques, un domaine encore embryonnaire mais en progression rapide chez des acteurs comme Intrinsic (Alphabet) ou Covariant.

Autre⚡Actu

1 source