Aller au contenu principal

Actualités IA — page 258

7 607 articles au fil, du plus récent au plus ancien.

Pourquoi des entreprises comme Apple misent sur des agents IA aux capacités bridées
5141AI News 

Pourquoi des entreprises comme Apple misent sur des agents IA aux capacités bridées

Apple, Qualcomm et d'autres acteurs majeurs de l'industrie technologique développent une nouvelle génération d'assistants IA capables d'agir de manière autonome au sein des applications, réserver des services, publier du contenu, naviguer dans des flux complexes. Lors d'une phase bêta privée, un de ces systèmes agentiques a ainsi parcouru l'intégralité d'un tunnel de paiement dans une application avant de s'arrêter net à l'écran de confirmation, attendant le feu vert de l'utilisateur. Ces agents ne sont pas conçus pour agir librement : ils intègrent des points de validation obligatoires, notamment pour toute action sensible liée aux paiements, aux modifications de compte ou aux publications. Les fournisseurs de services de paiement sont déjà en discussion pour intégrer leurs systèmes d'authentification sécurisée directement dans ces flux agentiques, bien que ces dispositifs soient encore en cours de développement. Ce modèle dit "human-in-the-loop", où l'agent prépare l'action mais laisse la décision finale à l'humain, répond à un enjeu concret : à mesure que l'IA gagne en capacité d'action, les risques d'erreur se transforment en risques financiers ou de fuite de données. Pour les utilisateurs grand public, une réservation mal déclenchée ou une transaction non souhaitée peut avoir des conséquences immédiates. Les entreprises tentent donc de limiter le périmètre d'action de ces agents : plutôt que de leur donner un accès total aux applications et aux données, elles définissent précisément quels services l'IA peut toucher, dans quelles conditions, et avec quels droits. Sur l'appareil, le traitement local des données vise également à éviter que des informations sensibles soient transmises vers des serveurs externes. Le débat sur la gouvernance des IA agentiques s'était jusqu'ici concentré sur les usages entreprise, cybersécurité, automatisation à grande échelle, conformité réglementaire. Le déploiement grand public introduit une dimension différente : des millions d'utilisateurs, souvent peu familiers des risques, interagissant avec des systèmes capables d'engager des dépenses ou de modifier des comptes en quelques secondes. Apple, dont les travaux de recherche ont exploré des mécanismes de pause avant toute action non explicitement demandée, semble vouloir établir un standard : des environnements contrôlés où l'autonomie de l'agent est réelle mais bornée. Dans le contexte du règlement européen sur l'IA, qui entre progressivement en application en 2026, cette architecture "agentique avec garde-fous" pourrait s'imposer comme la norme par défaut pour tout acteur souhaitant déployer ces technologies auprès du grand public.

OutilsOpinion
1 source
Le Québec mobilise des fonds pour faire de Montréal un leader mondial de l’intelligence artificielle
5142Le Big Data 

Le Québec mobilise des fonds pour faire de Montréal un leader mondial de l’intelligence artificielle

Le gouvernement du Québec a annoncé un investissement de 36 millions de dollars en faveur de Mila, l'Institut québécois d'intelligence artificielle basé à Montréal. Ce financement s'inscrit dans une stratégie d'innovation quinquennale dotée d'un budget total de 7,5 milliards de dollars, dans le cadre de laquelle Québec s'était engagé à verser jusqu'à 80 millions de dollars à Mila sur cinq ans à compter de 2018. Au total, depuis 2017, la province a injecté plus de 700 millions de dollars dans la recherche, le développement et l'intégration de l'IA dans divers secteurs économiques. En parallèle, ScaleAI, une supergrappe fédérale installée à Montréal, a mobilisé des fonds supplémentaires pour accélérer l'adoption de l'IA par les entreprises locales, notamment en augmentant les capacités de calcul et en attirant des chercheurs internationaux. Cet engagement financier positionne Montréal comme prétendant sérieux au titre de capitale mondiale de l'IA, aux côtés de San Francisco, Londres et Singapour. Pour Mila, l'un des pôles de recherche en apprentissage automatique les plus réputés au monde, ce financement représente la possibilité de renforcer son rôle d'institut de recherche de référence et d'intensifier son accompagnement des entreprises québécoises dans leur transformation numérique. Au-delà de la recherche pure, les retombées sont concrètes : l'IA est déjà intégrée dans la finance, les services publics, la santé et d'autres secteurs stratégiques. L'écosystème montréalais bénéficie également d'une offre de formation en expansion, d'un réseau académique solide et de la capacité à recruter des talents étrangers, trois atouts que cet investissement est destiné à amplifier. Montréal n'est pas novice dans la course à l'IA. La ville s'est imposée dès les années 2010 comme un centre mondial en apprentissage automatique, portée notamment par les travaux de Yoshua Bengio, cofondateur de Mila et figure pionnière du deep learning. La stratégie québécoise s'appuie sur cet héritage académique pour construire une filière industrielle complète, alliant recherche fondamentale, formation de haut niveau et déploiement sectoriel. L'ambition est clairement géopolitique : dans un contexte où les États-Unis, la Chine et l'Union européenne se livrent une concurrence féroce pour dominer l'IA, le Québec entend faire valoir sa spécificité, notamment son approche ancrée dans l'éthique et la recherche ouverte. Les prochaines années seront déterminantes pour savoir si Montréal parvient à transformer ses avantages académiques en leadership économique durable face à des écosystèmes disposant de ressources financières bien supérieures.

RechercheOpinion
1 source
5143Next INpact 

☕️ Amazon envisage de vendre ses puces Trainium à des tiers

Dans sa lettre annuelle aux actionnaires publiée le 9 avril 2026, Andy Jassy, PDG d'Amazon, a ouvert la porte à une révolution discrète : vendre les puces Trainium d'Amazon à des entreprises tierces. Jusqu'ici exclusivement réservées aux infrastructures internes du groupe, notamment à AWS et à la plateforme d'IA Bedrock, ces semiconducteurs représentent selon Jassy une activité dépassant 20 milliards de dollars en 2025, avec une croissance annuelle à trois chiffres. Il va plus loin en estimant que si cette division vendait ses puces à l'extérieur comme le font d'autres acteurs du marché, son chiffre d'affaires annuel approcherait les 50 milliards de dollars. Les puces Trainium 3, annoncées fin 2025, sont déjà quasi intégralement allouées en interne, et une part significative du contingent Trainium 4 est déjà réservée, alors que la production de masse n'est attendue que dans 18 mois. L'enjeu est considérable pour l'ensemble de l'industrie des semi-conducteurs dédiés à l'intelligence artificielle. Si Amazon franchit le pas, le groupe deviendrait un concurrent direct de NVIDIA sur le segment des puces d'entraînement pour l'IA, un marché aujourd'hui dominé très largement par le fabricant de Santa Clara. Pour les entreprises clientes, cela signifierait l'apparition d'une alternative sérieuse, à la fois en termes de performance et de rapport prix/performance. Jassy cite l'exemple de ses processeurs Graviton, lancés en 2018, qui offrent jusqu'à 40 % de meilleur rapport prix/performance que les processeurs x86 et sont aujourd'hui utilisés par 98 % des 1 000 principaux clients EC2 d'Amazon. La trajectoire suggérée pour Trainium est explicitement similaire. Ce mouvement s'inscrit dans une tendance plus large où les grands acteurs du cloud développent leurs propres puces pour réduire leur dépendance à NVIDIA et améliorer leurs économies d'échelle. Google a déjà emprunté ce chemin en proposant ses TPU à des tiers du cloud comme Crusoe, CoreWeave ou Fluidstack, transformant la vente de composants en alternative au modèle classique de location de ressources. Amazon, fort de l'expérience acquise avec Graviton, dispose des capacités industrielles et de la base clients pour répliquer cette stratégie à grande échelle. Jassy prend soin de ménager NVIDIA, affirmant qu'AWS restera une plateforme de choix pour les solutions du fabricant, tout en signalant clairement que les clients cherchent mieux ailleurs et qu'Amazon est prêt à répondre à cette demande. La question n'est plus de savoir si Amazon entrera sur le marché des puces tierces, mais quand.

Ghost Murmur : l’IA secrète de la CIA qui entend votre coeur à 65 km
5144Le Big Data 

Ghost Murmur : l’IA secrète de la CIA qui entend votre coeur à 65 km

La CIA aurait utilisé pour la première fois sur le terrain un système de détection biométrique à longue portée baptisé Ghost Murmur lors d'une opération de sauvetage en Iran en avril 2026. Un pilote américain abattu au-dessus du territoire iranien a survécu deux jours dans une zone montagneuse désertique, caché dans une crevasse, sans que les moyens de recherche classiques ne parviennent à le localiser précisément. Sa balise de survie standard ne suffisait pas. C'est alors que Ghost Murmur est entré en action : ce dispositif couplant intelligence artificielle et magnétométrie quantique aurait réussi à détecter la signature électromagnétique émise par son cœur, à une distance annoncée de plusieurs dizaines de kilomètres. Le système, développé par la division Skunk Works de Lockheed Martin, la même unité secrète à l'origine du SR-71 Blackbird et du U-2, analyse les signaux électromagnétiques faibles liés à l'activité cardiaque, filtre le bruit ambiant grâce à des algorithmes poussés, et isole une signature biologique distincte. L'extraction s'est finalement déroulée sans perte humaine côté américain. L'enjeu opérationnel est considérable : Ghost Murmur représente une rupture technologique dans la localisation humaine à distance, en particulier dans des environnements où les moyens conventionnels échouent. Pour les forces spéciales et les agences de renseignement, la capacité de détecter un signe de vie sans contact visuel, sans émetteur actif, et dans un terrain hostile, change fondamentalement les calculs de sauvetage au combat. Le désert iranien s'est révélé un environnement favorable au système : peu d'interférences électromagnétiques, fort contraste thermique nocturne entre un corps vivant et le sol froid, faible densité de signaux parasites. Les analystes ont croisé les données pour confirmer la position avant de lancer l'extraction, ce qui suggère un processus de validation multi-source plutôt qu'une détection automatique immédiate. Ghost Murmur s'inscrit dans une tendance plus large de militarisation de la biométrie et des capteurs quantiques, un domaine dans lequel les États-Unis investissent massivement depuis plusieurs années pour maintenir leur supériorité dans les opérations spéciales. La magnétométrie quantique, qui repose sur des matériaux ultra-sensibles capables de mesurer des champs magnétiques infimes, était jusqu'ici principalement étudiée en laboratoire ou dans des contextes médicaux. Son déploiement terrain ouvre des perspectives qui dépassent le seul sauvetage de pilotes : surveillance de périmètre, détection d'infiltration, voire ciblage. Des tests sur des plateformes aériennes militaires seraient déjà en cours. Mais la technologie reste en phase d'expérimentation avancée, et ses limites, notamment le temps d'analyse des algorithmes et la nécessité de zones peu saturées en signaux, encadrent encore son champ d'application réel.

SécuritéActu
1 source
Microsoft supprime les boutons Copilot de ses applications Windows 11
5145The Verge AI 

Microsoft supprime les boutons Copilot de ses applications Windows 11

Microsoft a commencé à retirer les boutons Copilot jugés "inutiles" de plusieurs applications natives de Windows 11. Dans la dernière version de Notepad destinée aux Windows Insiders, le bouton Copilot a été remplacé par un menu "outils d'écriture". L'application Snipping Tool ne fait plus apparaître le bouton Copilot lors de la sélection d'une zone à capturer. D'autres applications sont concernées : Photos et Widgets font également partie des premières visées par cette suppression progressive. Ce changement s'inscrit dans un plan plus large annoncé par Microsoft pour "corriger" Windows 11 en réduisant la friction inutile dans l'interface. La décision reconnaît implicitement que l'intégration massive de Copilot dans chaque recoin du système d'exploitation a pu nuire à l'expérience utilisateur plutôt que l'améliorer. Fait notable : si les boutons disparaissent, les fonctionnalités IA sous-jacentes, elles, restent en place, Microsoft ne renonce pas à l'IA, il recalibre sa mise en avant. Cette volte-face intervient après des mois de critiques sur la surcharge d'intégrations Copilot dans Windows 11, souvent perçues comme intrusives ou redondantes. Microsoft avait misé très tôt sur Copilot comme différenciateur majeur de son OS, au point d'y dédier une touche physique sur certains claviers. La suppression de ces points d'entrée signale une maturation de la stratégie : plutôt qu'une présence omniprésente, l'IA doit s'intégrer là où elle apporte une valeur réelle, sans encombrer l'interface au quotidien.

5146Le Big Data 

L’intelligence artificielle transforme l’expérience collaborateur malgré un déficit d’écoute des directions

Le rapport 2026 de Qualtrics sur l'expérience collaborateur, conduit auprès de plus de 33 000 salariés dans 24 pays, révèle que 80 % des employés utilisent des outils d'intelligence artificielle non fournis par leur employeur. Ce phénomène, désigné sous le terme de "Shadow AI", se manifeste indépendamment des politiques internes et des dispositifs officiels déployés par les directions informatiques. L'étude montre également que l'introduction d'outils d'IA dans le cadre professionnel s'accompagne d'une hausse de 10 points de l'engagement des salariés, atteignant 78 % chez ceux exposés à ces technologies. 65 % d'entre eux rapportent une exécution plus rapide de leurs tâches, 58 % constatent une amélioration de la qualité de leur travail, et 37 % affirment pouvoir accomplir des missions qui leur étaient auparavant inaccessibles. Ce recours massif à des solutions externes traduit un décalage profond entre les stratégies des directions et les besoins concrets du terrain. Les salariés, soumis à une pression croissante de productivité, choisissent les outils les plus accessibles sans attendre le déploiement de solutions validées en interne, sous-estimant souvent les risques associés comme la fuite de données sensibles ou l'absence de traçabilité. Liza Le Derff, Senior Consultant chez Qualtrics, interprète ce comportement non comme une rébellion mais comme un signal d'alarme : les outils internes sont jugés trop limités ou insuffisamment communiqués. Par ailleurs, 42 % des salariés réclament une meilleure écoute de leur hiérarchie, alors que seulement 25 % des entreprises ont renforcé leurs dispositifs d'écoute au cours de l'année 2025. Ce déficit empêche les directions RH et IT de capter les besoins réels, ce qui pousse les collaborateurs à contourner les politiques officielles. Malgré tout, 21 % des salariés expriment encore des craintes vis-à-vis de l'IA, illustrant que l'adhésion reste partielle et conditionnée à l'accompagnement proposé. Ce rapport s'inscrit dans un contexte où l'IA générative s'est imposée en quelques années comme outil du quotidien dans de nombreuses professions, bien avant que les organisations n'aient pu structurer une réponse cohérente. Les grandes entreprises technologiques comme Microsoft, Google ou Salesforce ont accéléré l'intégration de fonctionnalités d'IA dans leurs suites collaboratives, rendant l'adoption quasi inévitable. Les directions RH se retrouvent désormais face à un défi double : encadrer un usage déjà répandu pour limiter les risques de sécurité et de conformité, tout en proposant des outils internes suffisamment performants pour que les salariés n'aient plus à chercher ailleurs. L'enjeu pour les prochains mois sera de transformer cette écoute en actions concrètes, en impliquant les collaborateurs dans la sélection et le déploiement des solutions, plutôt que de les exposer à des décisions descendantes déconnectées de leurs réalités opérationnelles.

SociétéActu
1 source
5147Frandroid 

Impôts 2026 : pourquoi utiliser ChatGPT ou Gemini pour sa déclaration est dangereux

La campagne de déclaration des revenus 2025 a officiellement ouvert ses portes en avril 2026, et avec elle une nouvelle tentation pour des millions de contribuables français : confier à ChatGPT, Gemini ou d'autres assistants IA le soin de remplir leur formulaire fiscal. La démarche semble séduisante, rapide, gratuite, disponible à toute heure, mais elle expose à des risques bien concrets : erreurs dans les cases, oubli de déductions légitimes, ou pire, des données erronées qui déclenchent un contrôle fiscal ou entraînent une majoration pouvant atteindre 40 % des sommes dues. Le problème central est que ces modèles de langage ne connaissent pas la situation personnelle du contribuable, ne sont pas connectés aux bases de données fiscales françaises, et peuvent confondre des règles qui ont changé d'une année sur l'autre. Une déduction pour frais réels, un crédit d'impôt pour garde d'enfant ou un revenu exceptionnel à déclarer séparément : autant de subtilités que l'IA gère mal sans contexte précis et à jour. Une erreur déclarée, même involontaire, reste une erreur aux yeux de l'administration. Ce phénomène s'inscrit dans une tendance plus large où les outils d'IA générative sont utilisés pour des démarches administratives complexes sans que les utilisateurs mesurent leurs limites. La Direction générale des Finances publiques (DGFiP) ne reconnaît aucune déclaration co-rédigée par une IA comme excuse en cas d'erreur. Les assistants virtuels officiels d'impots.gouv.fr ou les centres des impôts restent les seuls recours fiables, et plusieurs associations de consommateurs rappellent que l'IA peut servir à comprendre une notion générale, mais jamais à valider une ligne chiffrée.

SociétéOpinion
1 source
5148Numerama 

LM Studio rachète Locally AI, l’application française pour installer un LLM local sur son iPhone

LM Studio, logiciel américain spécialisé dans l'exécution de modèles de langage en local sur Mac, a annoncé l'acquisition de Locally AI, une application française dédiée à l'iPhone. Locally AI permettait aux utilisateurs d'installer et de faire tourner directement sur leur appareil des modèles open source tels que Qwen d'Alibaba ou Gemma de Google, sans passer par le cloud. L'application se distinguait également par l'un des rares accès publics au modèle Apple Foundation, que la firme de Cupertino réserve normalement en exclusivité à ses propres fonctions Apple Intelligence. Cette acquisition marque une étape importante dans la démocratisation de l'IA locale sur mobile. En intégrant Locally AI à son écosystème, LM Studio étend son périmètre au-delà du Mac et s'impose comme un acteur transversal sur les plateformes Apple, couvrant désormais à la fois ordinateurs et smartphones. Pour les utilisateurs, cela représente une garantie de confidentialité renforcée : les données restent sur l'appareil, sans transmission à des serveurs tiers, ce qui intéresse particulièrement les professionnels soucieux de la souveraineté de leurs données. Le rachat s'inscrit dans une tendance de fond : la course aux modèles légers et efficaces capables de tourner sur du matériel grand public. Apple Silicon a ouvert la voie en offrant des puces suffisamment performantes pour inférer des modèles de plusieurs milliards de paramètres directement sur iPhone ou Mac. LM Studio, en consolidant l'offre iOS et macOS sous une même bannière, se positionne comme la référence de l'IA on-device dans l'univers Apple, face à des concurrents comme Ollama ou GPT4All qui restent cantonnés au desktop.

BusinessOpinion
1 source
5149AI News 

Meta dispose d'un modèle IA compétitif mais perd son identité open source

Meta a lancé Muse Spark le 8 avril 2026, son premier grand modèle d'intelligence artificielle depuis un an et la première réalisation de ses nouveaux Meta Superintelligence Labs, dirigés par Alexandr Wang, débauché de Scale AI. Ce modèle multimodal natif intègre le raisonnement par chaîne de pensée visuelle, l'utilisation d'outils et l'orchestration multi-agents. Il alimente désormais Meta AI, accessible à plus de trois milliards d'utilisateurs sur les applications du groupe. Sur l'indice AI Index v4.0, Muse Spark obtient un score de 52, se classant quatrième derrière Gemini 3.1 Pro, GPT-5.4 et Claude Opus 4.6. Sa véritable singularité apparaît sur HealthBench Hard, un benchmark de questions médicales ouvertes : il y atteint 42,8 points, loin devant Gemini 3.1 Pro (20,6) et Grok 4.2 (20,3), résultat d'une collaboration avec plus de 1 000 médecins pour constituer ses données d'entraînement. Meta affirme également que le modèle atteint les performances de ses prédécesseurs pour un coût de calcul dix fois inférieur. Surtout, Muse Spark est entièrement propriétaire : pas de poids téléchargeables, pas d'accès libre, uniquement une préversion privée via API pour des partenaires sélectionnés. Ce virage est significatif pour l'ensemble de l'industrie. L'écosystème Llama avait atteint 1,2 milliard de téléchargements début 2026, soit environ un million par jour, faisant de Meta le moteur principal du mouvement open-source en IA. En choisissant de fermer Muse Spark, Meta retire aux développeurs indépendants, aux startups et aux chercheurs la capacité de construire sur sa technologie de pointe. À l'échelle de trois milliards d'utilisateurs quotidiens, la réduction des coûts de calcul change également les équilibres économiques du déploiement d'IA massive. La domination sur HealthBench ouvre en outre une perspective commerciale majeure dans un secteur où la précision médicale est un avantage concurrentiel direct. Ce changement de cap intervient après une année difficile pour Meta en matière d'IA. Le lancement de Llama 4 avait été terni par des accusations de sur-promesses non tenues, entamant la crédibilité du groupe auprès de la communauté des développeurs. En investissant 14,3 milliards de dollars et en reconstruisant intégralement son infrastructure, son architecture et ses pipelines de données en neuf mois, Meta a manifestement décidé de privilégier la performance sur l'ouverture. Wang a promis que des modèles plus grands sont en développement et que des versions open-source suivront, sans préciser d'échéance. Une partie de la communauté y voit un pivot stratégique inévitable après les déceptions de Llama 4 ; d'autres estiment que Meta a simplement attendu d'avoir quelque chose qui vaut la peine d'être protégé avant de fermer les portes.

LLMsOpinion
1 source
Perplexity voit ses revenus grimper de 50% grâce aux agents IA
5150Le Big Data 

Perplexity voit ses revenus grimper de 50% grâce aux agents IA

Perplexity, la startup américaine connue pour son moteur de recherche conversationnel, a vu son chiffre d'affaires annuel récurrent (ARR) bondir à 450 millions de dollars en mars 2026, soit une hausse de 50 % en un seul mois. Cette progression fait suite au lancement de Computer, un agent IA capable d'exécuter des tâches concrètes comme effectuer des achats en ligne, résumer l'actualité ou envoyer des e-mails à partir d'instructions en langage naturel. La société a également introduit un nouveau modèle de tarification à l'usage, qui facture les clients au-delà d'un certain quota de crédits, en complément de ses abonnements mensuels allant de 20 à 200 dollars. Perplexity revendique désormais plus de 100 millions d'utilisateurs actifs mensuels et plusieurs dizaines de milliers de clients professionnels. Pour replacer l'ampleur de cette croissance : l'ARR de la société était de 16 millions de dollars il y a deux ans, avant d'atteindre 305 millions début 2026. Ce bond de 50 % en un mois illustre un pivot stratégique majeur : Perplexity ne cherche plus seulement à concurrencer Google sur la recherche d'information, mais à se positionner sur le marché des agents IA autonomes, un segment en pleine explosion. En proposant des outils capables d'agir à la place de l'utilisateur, la startup s'attaque à un marché beaucoup plus vaste et potentiellement plus rentable que la simple requête web. L'ajout du navigateur Comet, qui intègre des fonctionnalités agentiques directement dans la navigation, et de Model Council, qui interroge plusieurs modèles d'IA en parallèle pour comparer leurs réponses, témoigne d'une diversification rapide de l'offre. Pour les entreprises et les professionnels, ces outils représentent une alternative crédible aux assistants IA des géants comme Google ou Microsoft. Cette ascension se déroule pourtant dans un contexte juridique tendu. Perplexity est visée par plusieurs poursuites d'éditeurs de presse, dont le New York Times et Britannica, pour violation de droits d'auteur et plagiat dans le cadre de son moteur de recherche. Une plainte distincte l'accuse également d'avoir partagé des données d'utilisateurs avec Google et Meta sans consentement, ce que la société rejette. Sur le plan financier, la rentabilité reste hors de portée : Perplexity dépend d'OpenAI, d'Anthropic et d'autres fournisseurs externes pour accéder aux modèles de langage, ce qui génère un coût à chaque requête. Malgré cela, les investisseurs maintiennent leur confiance. La valorisation de l'entreprise a atteint 20 milliards de dollars en septembre 2025, contre 500 millions début 2024, avec au capital des noms comme Nvidia, SoftBank, Jeff Bezos et Yann LeCun. La prochaine étape sera de transformer cette traction commerciale en profitabilité durable.

BusinessActu
1 source
5151Les Numériques IA 

Actualité : “Un sociopathe prêt à tout” : les proches de Sam Altman brisent le silence dans une enquête accablante contre le patron de ChatGPT

Une enquête journalistique accablante vient d'éclairer sous un jour nouveau la personnalité de Sam Altman, PDG d'OpenAI, l'entreprise derrière ChatGPT. Selon des proches et anciens collaborateurs qui ont brisé le silence, Altman aurait construit sa position dominante dans l'industrie de l'IA en instrumentalisant une rhétorique apocalyptique : convaincre chercheurs, investisseurs et gouvernements que l'intelligence artificielle pourrait anéantir l'humanité, et qu'il était l'homme indispensable pour en prendre les rênes. Certains de ses proches le décrivent comme "un sociopathe prêt à tout" pour maintenir son emprise sur une organisation qu'il a transformée en l'une des plus influentes au monde. Ces révélations interviennent à un moment où OpenAI est valorisée autour de 300 milliards de dollars et négocie en permanence avec des gouvernements sur la régulation de l'IA. Si le portrait dressé par l'enquête est exact, cela soulève des questions fondamentales sur la crédibilité d'Altman comme figure de proue du mouvement dit "d'IA sûre", un positionnement qui lui a permis d'attirer les meilleurs scientifiques du monde et des milliards de dollars de financements, notamment de Microsoft. OpenAI a été fondée en 2015 comme association à but non lucratif dédiée au développement sécurisé de l'IA, avant qu'Altman ne la transforme progressivement en entreprise commerciale de premier plan. En novembre 2023, le conseil d'administration l'avait brièvement licencié, déclenchant une crise interne majeure, avant que la pression des employés et des investisseurs ne le rétablisse dans ses fonctions. Cette enquête relance le débat sur la gouvernance d'OpenAI et la concentration du pouvoir entre les mains d'un seul homme à la tête d'une technologie aux enjeux civilisationnels.

ÉthiqueActu
1 source
5152Frandroid 

OpenAI dévoile une nouvelle formule d’abonnement ChatGPT à 100 € par mois

OpenAI a annoncé une nouvelle formule d'abonnement pour ChatGPT tarifée à 100 euros par mois, positionnée au-dessus des offres existantes Plus (20 €/mois) et Pro (200 €/mois). Cette nouvelle offre intermédiaire se distingue par un accès élargi aux outils de développement web intégrés au chatbot, permettant aux utilisateurs de créer, modifier et déployer des applications directement depuis l'interface de ChatGPT. Ce lancement intervient dans un contexte de concurrence accrue avec Anthropic et son assistant Claude, qui a récemment gagné du terrain auprès des développeurs grâce à ses capacités de génération de code et à son interface d'artifacts. En proposant un palier à 100 euros, OpenAI cherche à capter une clientèle professionnelle et technique qui juge le plan Plus insuffisant mais le plan Pro trop onéreux, un segment intermédiaire que les rivaux ont commencé à séduire avec des offres ciblées. La guerre des abonnements dans l'IA générative s'intensifie depuis l'émergence de modèles compétitifs chez Google (Gemini Advanced), Anthropic (Claude Pro) et xAI (Grok). OpenAI, malgré sa position dominante, fait face à une érosion de son avance technologique perçue, notamment sur les tâches de programmation. Cette nouvelle formule s'inscrit dans une stratégie de segmentation tarifaire plus fine, visant à maximiser les revenus tout en maintenant l'engagement des profils à forte valeur ajoutée, alors que la société cherche à atteindre la rentabilité après des années de pertes significatives.

5153Le Big Data 

Sprinklr muscle son IA pour les équipes marketing et service client

Sprinklr a dévoilé sa mise à jour Printemps 2026, une refonte significative de sa plateforme unifiée destinée aux équipes marketing et service client. Au cœur de cette version, l'éditeur américain mise sur des agents autonomes dotés d'un système de validation par tests et de journaux détaillés, permettant aux entreprises de comprendre précisément le comportement de chaque agent déployé. Le Copilote Agent est également renforcé : il intervient désormais en temps réel pour formuler des recommandations ciblées sur des indicateurs opérationnels comme la résolution au premier contact. En parallèle, le Copilote Marketing offre une lecture instantanée des performances de campagne, tandis qu'un copilote dédié aux retours clients transforme les données brutes en insights directement exploitables. L'intégration avec TikTok et Canva vient compléter l'arsenal des équipes créatives, facilitant la production de contenus dans le respect des règles de marque. Cette mise à jour répond à une attente critique des grandes organisations : déployer l'IA à grande échelle sans perdre le contrôle ni la lisibilité sur ce qu'elle produit. Karthik Suri, Chief Product Officer de Sprinklr, formule clairement l'enjeu : l'IA doit non seulement générer des résultats mesurables, mais aussi inspirer confiance. En rendant les agents testables, ajustables et traçables via une interface sans code baptisée AI+ Studio, Sprinklr abaisse la barrière technique pour les équipes métier tout en renforçant la gouvernance. Les profils clients unifiés, qui agrègent les données issues de multiples canaux dans une vue consolidée, réduisent la fragmentation informationnelle sans multiplier les outils. L'ensemble de la chaîne analytique est également revue : les signaux collectés sont filtrés et enrichis par l'IA générative, ce qui limite le bruit et améliore la pertinence des informations remontées aux équipes. Sprinklr occupe une position établie sur ce marché, figurant dans le Magic Quadrant de Gartner sur la Voix du Client, ce qui lui confère une crédibilité auprès des grands comptes cherchant à consolider leurs outils d'expérience client. La tendance de fond est claire : après des années de promesses autour de l'IA générative, les entreprises exigent désormais des résultats vérifiables et des mécanismes de contrôle robustes. Sprinklr répond à cette maturité du marché en positionnant ses agents non comme des boîtes noires, mais comme des briques pilotables et auditables. La prochaine étape sera de démontrer, chiffres à l'appui, que ces copilotes améliorent effectivement les taux de résolution et réduisent les coûts opérationnels, deux métriques sur lesquelles les directions achats des grandes entreprises attendent des preuves concrètes avant tout déploiement à grande échelle.

OutilsOutil
1 source
5154MarkTechPost 

CPUs, GPUs, TPUs, NPUs et LPUs : cinq architectures de calcul IA que tout ingénieur doit connaître

L'intelligence artificielle moderne ne repose plus sur un seul type de processeur, mais sur un écosystème de puces spécialisées aux compromis bien distincts. Les CPU (processeurs centraux), architecture historique de l'informatique, restent indispensables pour l'orchestration des systèmes, la gestion des flux de données et la coordination des autres accélérateurs, mais leurs cœurs peu nombreux et leur traitement séquentiel les rendent inadaptés aux calculs massivement parallèles que nécessite l'IA à grande échelle. Les GPU (processeurs graphiques), conçus à l'origine pour le rendu vidéo, sont devenus la colonne vertébrale de l'entraînement des modèles de deep learning grâce à leurs milliers de cœurs capables d'exécuter simultanément les multiplications matricielles et opérations tensorielles au cœur des réseaux de neurones, une révolution rendue possible par l'introduction de CUDA par Nvidia. À ces deux architectures s'ajoutent les TPU (Tensor Processing Units) de Google, conçus spécifiquement pour l'exécution de réseaux de neurones avec un flux de données optimisé, les NPU (Neural Processing Units) intégrés dans les appareils grand public pour une inférence locale économe en énergie, et les LPU (Language Processing Units) de Groq, une innovation récente promettant une inférence nettement plus rapide et plus efficiente pour les grands modèles de langage. Ces distinctions architecturales ont des conséquences directes pour les entreprises et les ingénieurs qui déploient des systèmes d'IA en production. Choisir la mauvaise puce signifie payer trop cher pour de l'entraînement, subir une latence excessive en inférence, ou gaspiller de l'énergie sur des appareils embarqués. Les GPU restent le choix dominant pour l'entraînement intensif, mais leur coût élevé et leur disponibilité limitée poussent les acteurs à explorer des alternatives. Les NPU, désormais intégrés dans les puces Apple Silicon, Qualcomm Snapdragon ou Intel Core Ultra, permettent d'exécuter des modèles directement sur les terminaux sans cloud, réduisant latence et risques liés à la confidentialité. Les LPU de Groq, eux, ciblent précisément le goulot d'étranglement de l'inférence en production pour les LLM, avec des débits annoncés plusieurs fois supérieurs aux GPU traditionnels. Cette diversification des architectures de calcul reflète une transition plus profonde de l'industrie : le passage du calcul généraliste à l'optimisation par charge de travail. Pendant des décennies, la loi de Moore et les CPU universels ont suffi. Aujourd'hui, la demande explosive en puissance de calcul pour l'IA, portée par des modèles de plus en plus massifs comme GPT-4, Gemini ou Llama 3, dépasse ce que les architectures généralistes peuvent absorber efficacement. Google a investi massivement dans ses TPU v4 et v5 pour sécuriser son indépendance vis-à-vis de Nvidia, tandis que des startups comme Groq, Cerebras ou Tenstorrent parient sur des designs radicalement différents. Pour tout ingénieur IA, comprendre ces architectures n'est plus une curiosité académique : c'est une compétence opérationnelle pour concevoir des systèmes performants, économiques et adaptés aux contraintes réelles du déploiement.

InfrastructureOpinion
1 source
Nouveau remaniement chez OpenAI : des responsables de Stargate quittent leurs postes
5155The Information AI 

Nouveau remaniement chez OpenAI : des responsables de Stargate quittent leurs postes

Trois cadres supérieurs d'OpenAI ayant joué un rôle central dans le lancement de l'initiative Stargate quittent l'entreprise. Peter Hoeschele, qui a contribué à poser les bases du projet, a déjà quitté la société. Shamez Hemani, responsable de la stratégie de calcul et du développement commercial, ainsi qu'Anuj Saharan, autre figure clé de l'organisation computing d'OpenAI, ont annoncé leurs départs imminents à leurs collègues dans les prochains jours, selon plusieurs sources proches du dossier. Ces départs simultanés signalent une recomposition majeure au sein de la division infrastructure d'OpenAI, précisément au moment où la société s'apprête à massifier ses investissements en data centers. Stargate est le projet phare d'OpenAI pour construire une infrastructure de calcul à très grande échelle aux États-Unis, avec des engagements annoncés de 500 milliards de dollars sur quatre ans. Perdre en quelques jours les architectes originels de cette initiative soulève des questions sur la continuité de la stratégie et les tensions internes qui la traversent. Stargate a été annoncé en grande pompe en janvier 2025 avec le soutien de SoftBank, Oracle et d'autres partenaires, présenté comme une réponse américaine à la montée en puissance des capacités d'IA chinoises. Depuis, le projet a connu plusieurs ajustements stratégiques, et ces départs suggèrent que la direction d'OpenAI repense en profondeur son approche en matière d'infrastructure. La question reste ouverte de savoir si ces sorties reflètent des désaccords internes sur la vision technique, ou simplement une restructuration ordinaire lors d'un passage à une nouvelle phase d'exécution.

BusinessActu
1 source
Guide de code complet sur NVIDIA KVPress : inférence LLM à contexte long et compression du cache KV
5156MarkTechPost 

Guide de code complet sur NVIDIA KVPress : inférence LLM à contexte long et compression du cache KV

NVIDIA a publié KVPress, une bibliothèque open source conçue pour compresser le cache clé-valeur (KV cache) des grands modèles de langage et réduire drastiquement leur consommation mémoire lors des inférences sur de longs contextes. Un tutoriel complet publié récemment par des ingénieurs en IA illustre son fonctionnement concret à travers une implémentation pas-à-pas exécutable sur Google Colab. L'exemple s'appuie sur le modèle Qwen2.5-1.5B-Instruct de Qwen, chargé en quantification 4 bits via la bibliothèque BitsAndBytes, et fait appel à la version 0.4.0 de KVPress. Deux stratégies de compression sont comparées : ExpectedAttentionPress, qui estime l'importance des tokens en fonction de l'attention attendue, et KnormPress, qui s'appuie sur la norme des vecteurs K pour éliminer les entrées peu pertinentes. Le pipeline génère un corpus synthétique long, pose des questions ciblées sur ce corpus, puis mesure les écarts de performance et d'empreinte mémoire entre la génération standard et les différentes configurations compressées. L'enjeu est considérable pour l'industrie du traitement du langage naturel. Le KV cache est le principal goulot d'étranglement mémoire lors de l'inférence sur de longs contextes : chaque token généré alimente un cache qui grossit linéairement, rendant les fenêtres de 32 000, 128 000 voire un million de tokens extrêmement coûteuses en VRAM. KVPress permet de ne conserver dans ce cache que les entrées jugées les plus informatives, en supprimant dynamiquement les tokens à faible contribution. Pour les développeurs déployant des applications d'analyse de documents, de recherche d'information ou d'agents conversationnels à mémoire longue, cette compression peut rendre viables des scénarios qui nécessiteraient sinon du matériel de classe A100 ou H100. La possibilité de faire tourner ces expériences sur Colab, avec une simple GPU grand public, illustre bien la baisse de barrière à l'entrée que KVPress ambitionne d'offrir. La gestion du KV cache est devenue l'un des fronts les plus actifs de la recherche en inférence LLM depuis que les fenêtres contextuelles ont explosé en 2023-2024. Des techniques comme Sliding Window Attention, PagedAttention (à la base de vLLM) ou les approches de quantification du cache ont émergé pour répondre à cette pression. NVIDIA, en proposant KVPress comme couche d'abstraction modulaire compatible avec le pipeline Hugging Face Transformers, cherche à standardiser l'accès à ces optimisations pour un public plus large que les seules équipes d'infrastructure. La prochaine étape naturelle sera d'évaluer ces stratégies sur des modèles de plus grande taille et sur des benchmarks de rétention d'information à longue portée, pour quantifier précisément le compromis entre taux de compression et fidélité des réponses dans des cas d'usage de production.

OutilsTuto
1 source
Exclusif : Peter Hoeschele, cadre du projet 'Stargate' chez OpenAI, quitte l'entreprise
5157The Information AI 

Exclusif : Peter Hoeschele, cadre du projet 'Stargate' chez OpenAI, quitte l'entreprise

Peter Hoeschele, cadre chez OpenAI en charge de l'initiative Stargate, a quitté l'entreprise, selon une source proche du dossier. Il faisait partie de l'équipe originelle du projet Stargate, le programme d'infrastructure de centres de données qu'OpenAI entend construire et opérer en propre. Sa sortie intervient alors que ce chantier titanesque, annoncé en janvier 2025 avec un investissement de 500 milliards de dollars sur quatre ans, porté par OpenAI, SoftBank et Oracle, entre dans sa phase de déploiement concrète sur le territoire américain. Le départ d'un exécutif fondateur de Stargate soulève des questions sur la stabilité interne du projet à un moment critique. Stargate représente le pari stratégique central d'OpenAI pour s'affranchir de sa dépendance à Microsoft Azure et disposer de sa propre capacité de calcul à grande échelle. Toute turbulence dans l'équipe dirigeante du programme pourrait ralentir des décisions d'ingénierie et de partenariat dont dépend la compétitivité d'OpenAI face à Google, Amazon et Meta dans la course aux infrastructures IA. Hoeschele rejoint une liste croissante de cadres de haut rang ayant quitté OpenAI ces dix-huit derniers mois, dans un contexte de transformation accélérée de l'entreprise, passage au statut de société à but lucratif, levées de fonds record, et pression concurrentielle intense. OpenAI n'a pas commenté officiellement ce départ. La direction opérationnelle de Stargate et l'identité de son successeur éventuel n'ont pas été précisées.

BusinessActu
1 source
OpenAI : prévisions et conjectures
5158The Information AI 

OpenAI : prévisions et conjectures

OpenAI fait face à des critiques croissantes sur la crédibilité de ses projections financières. Selon des documents obtenus par The Information, la société prévoit que son chiffre d'affaires total atteindra 284 milliards de dollars d'ici 2030, contre 13 milliards en 2025. Sur le seul segment publicitaire, OpenAI anticipe 2,4 milliards de dollars de revenus publicitaires pour ChatGPT cette année, 11 milliards en 2026, et jusqu'à 102 milliards en 2030, alors que la plateforme n'a commencé à tester la publicité qu'en février 2025. Ces chiffres soulèvent des questions sérieuses sur la rigueur des prévisions communiquées aux investisseurs. L'analyste financier Jim Chanos, réputé pour ses positions à la baisse sur des entreprises surévaluées, a déclaré en février que ces projections s'apparentaient peut-être à de simples "suppositions". Promettre 2,4 milliards de revenus publicitaires sur une année à peine entamée, pour un format publicitaire encore en phase de test, relève d'un optimisme difficilement justifiable. Pour les investisseurs qui participent aux levées de fonds massives d'OpenAI, dont la valorisation dépasse les 300 milliards de dollars, la qualité de ces projections a des implications directes sur leurs décisions d'allocation de capital. OpenAI se trouve dans une position paradoxale : pour justifier des valorisations astronomiques, la société doit présenter des trajectoires de croissance spectaculaires, au risque de perdre en crédibilité si les chiffres réels s'écartent trop des prévisions. L'entreprise cherche à diversifier ses revenus au-delà des abonnements ChatGPT et des accords API, notamment via la publicité et les services aux entreprises. Mais dans un secteur où Google, Meta et Microsoft disposent d'infrastructures publicitaires établies depuis des années, la montée en puissance d'OpenAI sur ce marché reste hautement incertaine. The Information suggère que la direction d'OpenAI aurait tout intérêt à cesser de publier des prévisions à si long terme, qui nuisent davantage à sa réputation qu'elles ne servent ses intérêts.

BusinessOpinion
1 source
Anthropic attise l'optimisme autour de l'IA à la conférence HumanX
5159The Information AI 

Anthropic attise l'optimisme autour de l'IA à la conférence HumanX

La conférence HumanX a tenu sa deuxième édition cette année au Moscone Center de San Francisco, un changement de décor notable par rapport à l'hôtel de luxe de Las Vegas qui avait accueilli l'événement inaugural. Organisé par l'équipe derrière Money 20/20 et Shoptalk, le rassemblement a réuni des figures de poids du secteur technologique, parmi lesquelles Vinod Khosla, investisseur historique d'OpenAI, et Ali Ghodsi, PDG de Databricks. Anthropic y a notamment affiché un optimisme marqué quant à l'avenir de l'intelligence artificielle. Le changement de lieu a produit des effets contradictoires. D'un côté, San Francisco a facilité la venue de conférenciers de haut rang, la ville étant le coeur névralgique de l'industrie IA. De l'autre, beaucoup de participants semblaient n'y faire qu'un passage entre deux réunions de travail, sans s'attarder comme c'est souvent le cas dans les conférences en dehors de leur lieu de travail. Plusieurs intervenants ont d'ailleurs déploré un public clairsemé lors de leurs panels, ce qui contraste avec l'élan que voulait incarner l'événement. HumanX s'inscrit dans une vague de conférences cherchant à s'imposer comme rendez-vous incontournables d'un secteur en pleine effervescence. Alors que des événements comme le Consumer Electronics Show ou le World Economic Forum accueillent désormais l'IA comme thème central, des formats plus spécialisés tentent de capturer un public professionnel exigeant. La concurrence entre ces rassemblements reflète l'intensité des enjeux autour de l'IA générative, où se jouent alliances stratégiques, financements et positionnements d'influence entre les grands acteurs de la Silicon Valley.

BusinessActu
1 source
5160MarkTechPost 

Meta Superintelligence Lab lance Muse Spark : modèle multimodal avec compression du raisonnement et agents parallèles

Meta Superintelligence Labs a dévoilé Muse Spark, le premier modèle de sa famille Muse, marquant une étape majeure dans la course aux modèles de raisonnement multimodaux. Conçu nativement pour traiter texte et images de manière simultanée -- et non via un module visuel ajouté après coup -- Muse Spark intègre l'utilisation d'outils, un raisonnement visuel en chaîne de pensée, et une orchestration multi-agents. Sur le benchmark ScreenSpot Pro, qui évalue la capacité à localiser des éléments d'interface dans des captures d'écran, le modèle obtient un score de 72,2 (84,1 avec outils Python), devançant Claude Opus 4.6 Max à 57,7 et GPT-5.4 Xhigh à 39,0. Ces chiffres positionnent Muse Spark parmi les meilleurs modèles actuels sur les tâches combinant vision et langage. Ce qui distingue techniquement Muse Spark, c'est l'approche de Meta autour de trois axes de montée en puissance : le préentraînement, l'apprentissage par renforcement (RL), et le raisonnement au moment de l'inférence. Sur le préentraînement, Meta a entièrement reconstruit sa pile technique en neuf mois, atteignant les mêmes capacités que son précédent modèle Llama 4 Maverick avec dix fois moins de calcul. Le RL, appliqué après le préentraînement, entraîne le modèle à produire de bonnes réponses plutôt qu'à simplement prédire des tokens -- Meta annonce une progression log-linéaire stable sur les métriques pass@1 et pass@16. Enfin, le raisonnement à l'inférence introduit un phénomène que l'équipe appelle "thought compression" : le modèle apprend d'abord à penser plus longtemps pour mieux répondre, puis une pénalité sur la longueur de la réflexion le force à comprimer son raisonnement, avant qu'il n'étende à nouveau ses solutions pour atteindre de meilleures performances. Cette dynamique produit un modèle plus efficace par token généré. Le mode Contemplating représente peut-être l'innovation architecturale la plus audacieuse : Muse Spark peut orchestrer plusieurs agents en parallèle au moment de l'inférence, chacun explorant une piste de raisonnement différente. Ce choix s'inscrit dans une stratégie plus large de Meta, qui investit massivement dans l'infrastructure -- dont le data center Hyperion -- pour soutenir ces trois axes de scaling simultanément. La division a été rebaptisée Meta Superintelligence Labs, signalant une ambition explicite de leadership sur l'AGI. Avec OpenAI, Google DeepMind et Anthropic qui poussent chacun leurs propres architectures de raisonnement, la sortie de Muse Spark illustre que la prochaine frontière ne sera pas seulement la taille des modèles, mais la manière dont ils apprennent à penser -- et à comprimer cette pensée -- avant de répondre.

LLMsOpinion
1 source