Aller au contenu principal

Actualités IA — page 262

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

arXiv suspend un an les auteurs qui soumettent du contenu IA médiocre
Illustration générée par IA
5221Ars Technica AI 

arXiv suspend un an les auteurs qui soumettent du contenu IA médiocre

Le serveur de prépublication arXiv, référence mondiale pour la physique, l'astronomie et d'autres disciplines scientifiques, annonce des sanctions sévères contre les soumissions contenant du contenu généré par intelligence artificielle de manière inappropriée. Thomas Dietterich, professeur émérite à l'Oregon State University et membre du conseil consultatif éditorial ainsi que de l'équipe de modération d'arXiv, a révélé la mesure sur les réseaux sociaux : tout auteur reconnu coupable d'avoir soumis du contenu IA non conforme se verra interdit de soumission pendant un an, et toutes ses publications futures devront passer par un processus de révision par les pairs avant d'être hébergées sur la plateforme, et ce de façon permanente. Cette décision répond à une dégradation visible de la qualité des soumissions scientifiques depuis la généralisation des grands modèles de langage. Des citations inventées, des réponses de prompts copiées sans modification et des diagrammes incohérents ont réussi à franchir les filtres des éditeurs et des relecteurs dans plusieurs revues, souvent sans conséquences claires pour leurs auteurs. En ciblant la diffusion avant même la publication formelle, arXiv cherche à endiguer la contamination à la source, protégeant ainsi la crédibilité d'un outil utilisé quotidiennement par des milliers de chercheurs pour partager leurs travaux en amont de la validation officielle. arXiv occupe une place centrale dans l'écosystème scientifique mondial : fondé en 1991, il héberge plus de deux millions de prépublications et constitue souvent le premier point de contact entre chercheurs et nouvelles découvertes. La plateforme n'est pas la seule à durcir le ton : plusieurs revues académiques ont déjà introduit des restrictions explicites sur l'usage de l'IA dans la rédaction scientifique. La mesure annoncée par Dietterich reste à confirmer officiellement par la direction d'arXiv, qui n'avait pas encore répondu aux demandes de précision au moment de la publication. Si elle est validée, elle pourrait faire jurisprudence pour d'autres serveurs de prépublication.

ÉthiqueActu
1 source
OpenAI se sent lésé par l'intégration bâclée de ChatGPT chez Apple, selon des sources internes
Illustration générée par IA
5222Ars Technica AI 

OpenAI se sent lésé par l'intégration bâclée de ChatGPT chez Apple, selon des sources internes

OpenAI envisage des recours juridiques contre Apple après que l'intégration de ChatGPT dans les produits de la firme de Cupertino n'a pas tenu ses promesses, selon des sources internes citées par Bloomberg. Lors de l'annonce du partenariat, Apple avait comparé cette intégration à son célèbre accord avec Google pour le moteur de recherche par défaut de Safari, une analogie qui avait suscité un enthousiasme considérable côté OpenAI. La startup dirigée par Sam Altman anticipait que l'accord « pourrait générer plusieurs milliards de dollars par an en abonnements », selon un cadre d'OpenAI s'exprimant sous anonymat. La réalité s'est révélée bien différente. OpenAI soupçonne Apple d'avoir délibérément négligé la promotion de l'intégration, limitant ainsi la visibilité de ChatGPT auprès des centaines de millions d'utilisateurs iPhone et Mac. Pire encore, la startup craint que ce partenariat raté ait en réalité nui à l'image de marque de ChatGPT, les utilisateurs ayant potentiellement eu une expérience décevante sans comprendre que la mise en oeuvre incombait à Apple. Ce conflit s'inscrit dans un contexte de concurrence accrue entre les grandes plateformes technologiques pour le contrôle des interfaces IA. Apple développe en parallèle ses propres capacités avec Apple Intelligence, ce qui soulève des questions sur la sincérité de son engagement envers ChatGPT. Le partenariat ressemble désormais davantage à une stratégie d'occupation temporaire de terrain qu'à une alliance durable, et son dénouement judiciaire éventuel pourrait redéfinir la façon dont les géants tech négocient l'intégration d'IA tierces dans leurs écosystèmes fermés.

BusinessActu
1 source
OpenAI lance un assistant financier dans ChatGPT, mais pas pour tout le monde
Illustration générée par IA
5223Le Big Data 

OpenAI lance un assistant financier dans ChatGPT, mais pas pour tout le monde

OpenAI a lancé le 15 mai 2026 une fonctionnalité de gestion financière personnelle directement intégrée à ChatGPT. Baptisé assistant financier, cet outil permet aux utilisateurs de connecter leurs comptes bancaires via Plaid, un service déjà utilisé par de nombreuses applications fintech. Plus de 12 000 établissements financiers sont compatibles avec cette première version. Une fois les comptes synchronisés, ChatGPT génère automatiquement un tableau de bord personnalisé qui agrège dépenses, abonnements, paiements à venir et investissements. L'utilisateur peut ensuite interroger l'IA en langage naturel, comme il le ferait avec un conseiller bancaire, et lui confier des objectifs précis, achat immobilier, remboursement de prêt, épargne, que le modèle intègre pour contextualiser ses réponses. Pour l'instant, la fonctionnalité est exclusivement réservée aux abonnés ChatGPT Pro aux États-Unis, OpenAI souhaitant observer les usages réels avant un déploiement étendu aux abonnés Plus. Cette intégration marque une évolution significative dans la stratégie de ChatGPT, qui sort du registre de l'assistant généraliste pour entrer dans celui des services financiers personnels, un secteur historiquement dominé par des acteurs spécialisés comme Mint, YNAB ou les applications propriétaires des banques. En accédant directement aux données transactionnelles, OpenAI offre une couche d'analyse et d'interprétation que les outils existants ne proposent pas en langage naturel. Pour les utilisateurs, l'impact concret est potentiellement important : comprendre ses habitudes de dépense, anticiper des dérapages budgétaires, ou simplement savoir où part son argent chaque mois sans multiplier les outils. La société précise toutefois que l'assistant ne remplace pas un conseiller financier professionnel, une mise en garde prudente face au risque d'erreurs ou de confiance excessive dans les recommandations de l'IA. Ce lancement s'inscrit dans une tendance plus large de l'IA générative cherchant à s'ancrer dans des usages quotidiens à forte valeur perçue, après la santé, le droit et la productivité. Pour OpenAI, l'enjeu est double : justifier le tarif élevé de l'abonnement Pro et collecter des données d'usage réel sur un cas d'application sensible avant un déploiement massif. Le choix de Plaid comme intermédiaire technique n'est pas anodin, la startup avait failli être rachetée par Visa en 2020 pour 5,3 milliards de dollars avant que l'accord soit bloqué par le département de Justice américain. La question de la confidentialité des données bancaires reste le principal point de friction : confier l'intégralité de ses transactions à un chatbot représente un saut de confiance que tous les utilisateurs ne sont pas prêts à franchir. Le déploiement progressif voulu par OpenAI vise précisément à mesurer ce seuil d'acceptabilité avant de l'élargir à l'ensemble de sa base mondiale.

OutilsOutil
1 source
Notes complémentaires sur la délégation à l'IA et la fiabilité à long terme
Illustration générée par IA
5224Microsoft Research 

Notes complémentaires sur la délégation à l'IA et la fiabilité à long terme

Une équipe de chercheurs vient de publier une étude intitulée "LLMs Corrupt Your Documents When You Delegate", qui examine la fiabilité des modèles de langage lorsqu'on leur confie des tâches longues et répétées sur des fichiers importants. Le protocole d'évaluation, baptisé DELEGATE-52, soumet les modèles à des séquences de transformations et d'inversions appliquées à des documents, des feuilles de calcul, du code ou des fichiers structurés, sans supervision humaine entre chaque étape. Les résultats sont significatifs : sur 20 itérations de délégation, les meilleurs modèles du marché affichent une dégradation de la fidélité sémantique comprise entre 19 et 34 %. Exception notable, les flux de travail en Python se montrent bien plus robustes, avec une dégradation inférieure à 1 % en moyenne. Les erreurs mesurées portent sur le contenu sémantique réel des artefacts, et non sur des différences de mise en forme ou de style. Ces chiffres interpellent, mais leur portée exacte mérite d'être précisée. La recherche ne mesure ni le taux de complétion des tâches, ni la satisfaction des utilisateurs : elle se concentre exclusivement sur l'intégrité du contenu sur la durée. Or, dans les environnements de production actuels, des mécanismes comme les boucles de vérification, l'orchestration multi-agents et les outils spécialisés par domaine permettent déjà d'atténuer ces effets. L'enjeu concret est ailleurs : les bonnes performances d'un modèle sur des tâches courtes ne garantissent pas une exécution fiable sur des workflows longs et peu supervisés, ce qui a des implications directes pour les entreprises qui automatisent des processus critiques impliquant des documents financiers, juridiques ou techniques. Ce travail s'inscrit dans un débat plus large sur le fossé entre les scores obtenus par les modèles sur des benchmarks standardisés et leur comportement réel dans des contextes professionnels complexes. L'objectif des chercheurs n'est pas de décourager le recours à l'IA dans les workflows métiers, mais d'identifier précisément les zones de fragilité qui nécessitent encore des efforts de recherche et d'ingénierie. DELEGATE-52 se veut un outil de diagnostic, une sorte de test de stress pour la délégation longue durée, et non une mesure globale des capacités des modèles. La prochaine étape pour l'industrie sera de concevoir des architectures d'agents capables de maintenir la cohérence sémantique sur de longues séquences d'actions, un problème ouvert qui conditionne la confiance que l'on peut raisonnablement accorder aux assistants IA autonomes.

RecherchePaper
1 source
ChatGPT veut accéder à votre compte bancaire pour analyser vos dépenses
Illustration générée par IA
5225The Decoder 

ChatGPT veut accéder à votre compte bancaire pour analyser vos dépenses

OpenAI vient de lancer une fonctionnalité permettant aux abonnés ChatGPT Pro aux États-Unis de connecter leur compte bancaire directement à l'assistant, via l'intégration du service financier Plaid. Une fois la liaison établie, ChatGPT peut analyser les transactions réelles de l'utilisateur pour fournir des conseils personnalisés sur ses dépenses, comme signaler des achats récurrents de repas livrés ou identifier des abonnements oubliés. La fonctionnalité repose sur GPT-5.5 Thinking, la version raisonnement du modèle, et doit progressivement s'étendre à l'ensemble des utilisateurs. OpenAI précise toutefois que l'outil ne constitue pas un conseiller financier agréé. L'enjeu est considérable : accéder aux données bancaires d'un utilisateur transforme ChatGPT d'un assistant généraliste en un outil d'accompagnement financier personnalisé, capable de remplacer, ou du moins de concurrencer, des applications dédiées comme Mint ou YNAB. Pour les utilisateurs Pro, qui paient déjà 200 dollars par mois, cela représente une valeur ajoutée tangible. Pour l'industrie, c'est un signal clair qu'OpenAI cible désormais les services financiers personnels, un secteur traditionnellement réservé aux banques et aux fintechs. Cette annonce s'inscrit dans la stratégie d'OpenAI de transformer ChatGPT en super-application capable de gérer tous les aspects du quotidien numérique. La question de la confiance et de la sécurité des données reste centrale : confier ses relevés bancaires à une IA soulève des interrogations réglementaires, notamment en Europe où le RGPD et la directive PSD2 encadrent strictement ce type d'accès. La compétition avec Google, Microsoft et les acteurs fintech comme Intuit s'annonce intense.

RLWRLD dévoile un modèle fondation axé sur la dextérité pour robots humanoïdes
Illustration générée par IA
5226Robotics & Automation News 

RLWRLD dévoile un modèle fondation axé sur la dextérité pour robots humanoïdes

RLWRLD, une startup spécialisée dans les modèles fondation pour la robotique physique, a dévoilé RLDX-1 lors d'un événement privé baptisé "Dexterity Night in SF". Ce modèle fondation est conçu pour permettre aux robots humanoïdes d'exécuter des tâches à contact riche : préhension d'objets, versement de liquides et utilisation d'outils. L'entreprise a publié des résultats sur trois types de benchmarks : manipulation sur table avec des humanoïdes, manipulation en cuisine et versement de café en conditions réelles. Les métriques précises n'ont pas été rendues publiques au moment de l'annonce, ce qui limite toute évaluation indépendante des performances revendiquées. L'approche "dexterity-first" marque un choix de priorité distinct dans la course aux modèles fondation pour robots. La manipulation fine reste le principal goulot d'étranglement de la robotique humanoïde à usage industriel : la locomotion est largement résolue, mais la préhension d'objets variés dans des environnements non structurés demeure difficile à généraliser. L'inclusion d'évaluations en conditions réelles (café, cuisine) plutôt qu'exclusivement en laboratoire suggère une volonté de démontrer une réduction du sim-to-real gap. Pour un intégrateur ou un COO industriel, un modèle capable de gérer des objets divers sans reprogrammation par tâche représente un levier de productivité concret, à condition que les résultats tiennent hors conditions contrôlées. RLWRLD s'inscrit dans un segment en densification rapide : celui des fournisseurs de couche d'intelligence logicielle pour robots tiers, sans fabriquer leur propre hardware. Physical Intelligence (modèle Pi-0), qui adopte une stratégie similaire, est le concurrent le plus direct. En parallèle, Figure AI (Figure 03), Apptronik, 1X et Boston Dynamics développent des modèles intégrés hardware-logiciel. L'annonce de RLWRLD reste au stade du teaser technique : aucune date de disponibilité commerciale, aucun partenaire constructeur ni client pilote n'a été communiqué.

RobotiqueOpinion
1 source
Vous vous souvenez du robot Figure 03 ? Il travaille maintenant 40 heures d’affilée
Illustration générée par IA
5227Le Big Data 

Vous vous souvenez du robot Figure 03 ? Il travaille maintenant 40 heures d’affilée

Le robot humanoïde Figure 03, développé par la startup américaine Figure AI, vient de réaliser une démonstration marquante dans le secteur de la logistique : plus de 40 heures de tri de colis en continu, sans interruption ni assistance humaine. Cette performance a été rendue possible grâce à Helix-02, le nouveau réseau neuronal maison qui pilote les capacités du robot durant ces longues sessions de travail. Figure AI précise que le système est capable de détecter ses propres erreurs et de reprendre automatiquement une tâche interrompue. La gestion des batteries est également automatisée, plusieurs unités fonctionnant en relais pour garantir une continuité opérationnelle. Parallèlement, l'entreprise annonce avoir expédié 350 robots depuis son usine BotQ de Sunnyvale, en Californie, à un rythme de production d'environ un robot par heure. Ce qui change avec cette démonstration, c'est le déplacement du curseur dans la robotique industrielle : il ne s'agit plus de prouver qu'un humanoïde peut saisir un objet sans le faire tomber, mais qu'il peut tenir un poste de travail pendant des dizaines d'heures dans un environnement réel. Pour les entrepôts logistiques, la chaîne d'approvisionnement et les usines qui tournent en 3x8, cette endurance autonome représente le véritable verrou technologique à franchir. Un robot capable de travailler 40 heures sans supervision humaine n'est plus un prototype de laboratoire : c'est un candidat sérieux au remplacement de postes pénibles, répétitifs et difficiles à pourvoir. La question économique devient alors très concrète pour les opérateurs logistiques. Figure AI a été fondée en 2022 seulement, par Brett Adcock, et s'est imposée à une vitesse surprenante dans une course dominée par des acteurs établis comme Boston Dynamics ou Tesla, dont le robot Optimus reste une référence dans le secteur. La société a multiplié les démonstrations ces derniers mois, dont une vidéo montrant le Figure 03 ranger une chambre avec des gestes fluides et adaptés à l'environnement, cherchant à distinguer ses robots des démos très contrôlées qui ont souvent entaché la crédibilité du secteur. La prochaine étape sera d'ordre commercial et opérationnel : transformer ces démonstrations en déploiements industriels durables, avec des contrats clients, une maintenance à l'échelle, et des garanties de fiabilité sur le long terme. C'est là que se jouera la vraie bataille entre les prétendants à la robotique humanoïde de masse.

RobotiqueOpinion
1 source
La valorisation d'Anthropic à 900 milliards de dollars dépasserait OpenAI pour la première fois
Illustration générée par IA
5228The Decoder 

La valorisation d'Anthropic à 900 milliards de dollars dépasserait OpenAI pour la première fois

Anthropic lève 30 milliards de dollars supplémentaires, seulement trois mois après avoir bouclé un tour de table de même taille. Cette nouvelle opération valorise le laboratoire d'intelligence artificielle à 900 milliards de dollars, le plaçant pour la première fois devant son rival OpenAI. Le moteur de cette montée en puissance est un chiffre d'affaires annualisé qui approche désormais les 45 milliards de dollars, soit une multiplication par cinq depuis fin 2024. Dépasser OpenAI en valorisation n'est pas un détail symbolique : cela repositionne Anthropic comme l'acteur le plus capitalisé du secteur de l'IA générative, attirant ainsi davantage d'investisseurs institutionnels, de partenaires cloud et de clients entreprises. Une telle valorisation renforce également la capacité d'Anthropic à recruter les meilleurs chercheurs et à financer des entraînements de modèles de plus en plus coûteux, dans une course où l'infrastructure est un avantage décisif. Fondé en 2021 par d'anciens cadres d'OpenAI, dont Dario et Daniela Amodei, Anthropic a misé sur la sécurité de l'IA comme différenciateur stratégique. L'entreprise a bénéficié d'investissements massifs d'Amazon et de Google, et sa famille de modèles Claude s'est imposée comme une alternative sérieuse à GPT-4 dans les usages professionnels. La rapidité avec laquelle deux tours de 30 milliards se succèdent illustre l'intensité de la compétition pour dominer le marché de l'IA, où les levées de fonds record sont devenues la norme plutôt que l'exception.

BusinessOpinion
1 source
Le prochain défi de Claude en entreprise : pas les modèles, mais le plan de contrôle des agents
Illustration générée par IA
5229VentureBeat AI 

Le prochain défi de Claude en entreprise : pas les modèles, mais le plan de contrôle des agents

Selon de nouvelles données publiées par VentureBeat Pulse, la prochaine bataille stratégique dans l'IA d'entreprise ne portera pas sur la qualité des modèles, mais sur le contrôle de la couche d'orchestration des agents. Le tracker indépendant VB Pulse, qui mesure régulièrement les préférences de décideurs techniques qualifiés en entreprise, révèle que Microsoft Copilot Studio et Azure AI Studio dominent ce segment avec 38,6 % d'adoption principale en février 2026, en hausse depuis 35,7 % en janvier. L'API Assistants et Responses d'OpenAI occupe la deuxième place avec 25,7 %, contre 23,2 % un mois plus tôt. Anthropic, lui, fait sa première apparition dans ce tracker : passant de 0 % en janvier à 5,7 % en février pour l'usage de ses outils et workflows natifs, soit quatre répondants sur un panel de 70 décideurs. Sur la couche modèle, les données sont encore plus spectaculaires pour l'entreprise de Dario Amodei : Claude est passé de 23,9 % en janvier à 28,6 % en février, puis à 56,2 % en mars, bien que cette dernière mesure soit qualifiée de directionnelle en raison d'un échantillon réduit à 16 répondants. Ce glissement d'Anthropic depuis la couche modèle vers l'orchestration native représente un signal stratégique significatif, même si les chiffres absolus restent modestes. Les entreprises ne choisissent plus seulement un chatbot ou un moteur de génération de texte : elles décident où installer la machinerie opérationnelle de leur IA, quels outils les agents peuvent appeler, quelles données ils peuvent consulter, quels workflows ils peuvent déclencher, et comment prouver aux équipes de sécurité que ces agents n'ont rien fait d'interdit. Tom Findling, PDG de la startup de cybersécurité IA Conifers, résume l'enjeu : les entreprises déplacent leur focus de la qualité du modèle vers le plan de contrôle qui l'entoure, notamment en matière de gouvernance, d'auditabilité et d'orchestration dans des environnements clients complexes. L'enjeu est d'autant plus lourd que remplacer un modèle reste relativement simple en théorie, une entreprise peut router une tâche vers Claude, une autre vers GPT, une troisième vers Gemini. Remplacer un runtime d'agents, en revanche, implique de reconfigurer des pipelines entiers, des intégrations d'outils, des politiques d'accès aux données et des mécanismes d'audit. Celui qui contrôle cette couche crée une dépendance bien plus profonde que celle d'un modèle. Microsoft dispose d'un avantage de distribution considérable dans les entreprises, et OpenAI d'une base installée bien plus large en orchestration. Mais la montée en puissance de Claude sur la couche modèle commence visiblement à se propager vers l'orchestration, et c'est précisément là que se joueront les parts de marché les plus durables des prochaines années.

BusinessOpinion
1 source
Deloitte : mettre à l'échelle les agents autonomes pour une vraie croissance
Illustration générée par IA
5230AI News 

Deloitte : mettre à l'échelle les agents autonomes pour une vraie croissance

Deloitte appelle les grandes entreprises à dépasser le stade des chatbots pour entrer dans l'ère de ce qu'il nomme l'"intelligence autonome". Selon Prakul Sharma, directeur associé et responsable de la pratique IA chez Deloitte Consulting LLP, les organisations traversent une courbe de maturité en trois temps : l'"intelligence assistée", où l'IA aide à interpréter l'information ; l'"intelligence artificielle", où le machine learning augmente les décisions humaines ; puis l'"intelligence autonome", où les systèmes décident et agissent de façon indépendante dans des périmètres définis. Les applications d'IA générative actuelles, chatbots, résumés automatiques, assistants conversationnels, occupent encore le milieu de cette courbe. L'IA agentique en constitue le pont vers l'autonomie complète. La distinction fondamentale, selon Sharma : là où un modèle génératif produit une réponse, un système autonome poursuit un résultat en raisonnant sur un objectif, en mobilisant des outils et des données, en s'adaptant aux conditions changeantes, sans que l'humain pilote chaque étape. Pour produire une valeur économique réelle, ces systèmes doivent s'intégrer directement dans les flux générateurs de revenus ou porteurs de coûts. Deloitte illustre ce principe avec un cas concret dans les achats d'entreprise : un agent IA croise en continu les stocks de la chaîne d'approvisionnement avec les prix fournisseurs en temps réel dans un ERP, autorise automatiquement les bons de commande dans des paramètres financiers prédéfinis, et ne sollicite une validation humaine qu'en cas de déviation. Mais pour que ce scénario tienne, le système doit disposer d'une identité vérifiable dans l'ERP, accéder à des données tarifaires contractuellement opposables, et opérer dans des seuils d'approbation validés par les équipes juridiques et conformité. L'absence de l'un de ces prérequis suffit à invalider toute la démarche. L'enjeu n'est donc pas l'agent lui-même, mais l'architecture de gouvernance qui l'entoure : gestion des identités, points de contrôle humains, garde-fous formalisés. La méthode que Deloitte préconise avant tout déploiement commence par un audit décisionnel rigoureux. Sharma conseille aux dirigeants d'identifier une ou deux chaînes de valeur dont les résultats sont bloqués non par des tâches, mais par des décisions : qui détient la donnée, qui a l'autorité, où les transferts dysfonctionnent, où le jugement humain s'applique. Cet exercice localise les workflows où l'autonomie créera de la valeur économique tangible, tout en révélant les lacunes de données et de gouvernance qui ont fait échouer les pilotes précédents. Une fois ces fondations posées, couche IA et agentique, données, évaluations, identité des agents, boucles humaines, Deloitte les déploie sur une première chaîne de valeur, prouve le modèle, puis le réplique. Dans un contexte où les modèles de fondation des grands fournisseurs sont devenus des commodités quasi interchangeables, c'est désormais sur l'infrastructure amont et la gouvernance que se jouent les différences compétitives.

OutilsOutil
1 source
Netflix lance son propre studio d’animation… par IA
Illustration générée par IA
5231Le Big Data 

Netflix lance son propre studio d’animation… par IA

Netflix vient de confirmer la création d'INKubator, un studio d'animation interne conçu pour produire du contenu en s'appuyant nativement sur les outils d'IA générative. L'annonce, relayée par The Verge et Engadget le 15 mai 2026, s'accompagne de plusieurs offres d'emploi ciblant des ingénieurs logiciels, des producteurs, des artistes CGI et des responsables techniques spécialisés en IA. Dans un premier temps, le studio se concentrera sur des courts métrages et des épisodes spéciaux d'animation. Netflix précise que ses films produits par Netflix Animation Studios continueront d'utiliser les techniques d'animation traditionnelles, INKubator opère donc en parallèle, non en remplacement. Le nom du studio, avec son K volontairement stylisé, marque déjà une identité distincte au sein du groupe. L'enjeu central est de repositionner l'IA non plus comme un outil d'assistance ponctuelle, mais comme un composant structurel du pipeline créatif. Pour Netflix, cela signifie potentiellement réduire les délais et les coûts de production sur des formats courts, là où le risque financier reste limité comparé à un long métrage animé à plusieurs centaines de millions de dollars. L'une des offres d'emploi évoque une transition future vers des formats plus longs, séries voire films complets, si les premières productions font leurs preuves. Pour les milliers d'animateurs et artistes du secteur, ce signal est lourd de sens : il indique que Netflix ne teste pas une technologie anecdotique, mais construit une infrastructure industrielle pensée pour scaler. Cette initiative s'inscrit dans une stratégie IA plus large que Netflix déploie depuis plusieurs années. La plateforme utilise déjà l'IA dans ses campagnes publicitaires et affine continuellement ses systèmes de recommandation et de recherche. Elle a également acquis InterPositive, une startup spécialisée dans l'IA cofondée par Ben Affleck. En parallèle, Netflix accélère sur les contenus verticaux et les formats ultra-courts adaptés au mobile, un terrain d'expérimentation idéal pour des productions assistées par IA. L'industrie du divertissement dans son ensemble observe cette séquence avec attention : si INKubator valide un modèle économique viable, d'autres studios pourraient se sentir contraints d'emboîter le pas, relançant au passage les tensions déjà vives avec les syndicats d'auteurs et d'animateurs autour de l'usage de l'IA dans la création de contenu.

CréationOpinion
1 source
Les LLM rendus plus rapides sans sacrifier la précision
Illustration générée par IA
5232Amazon Science 

Les LLM rendus plus rapides sans sacrifier la précision

Des chercheurs ont présenté lors de la conférence internationale ICLR (International Conference on Learning Representations) un nouveau cadre mathématique permettant d'optimiser à la fois la vitesse d'inférence et la précision des grands modèles de langage. Leur constat de départ est frappant : deux modèles ayant exactement le même nombre de paramètres, entraînés sur les mêmes données et atteignant la même précision, peuvent afficher des différences de débit allant jusqu'à 40 % selon leurs choix architecturaux. Ces choix portent sur trois variables concrètes : la taille des représentations internes du modèle (le "hidden size"), le ratio de paramètres alloués aux couches MLP par rapport aux couches d'attention, et une technique appelée "grouped-query attention" (GQA) dans laquelle plusieurs têtes d'attention partagent des matrices clé-valeur. En jouant sur ces leviers sous un budget de paramètres fixe, il est possible de réduire significativement les calculs lors de la génération de texte et d'alléger le cache clé-valeur, principal goulot d'étranglement en mémoire. L'enjeu est considérable pour toute l'industrie du logiciel en temps réel. Les applications web basées sur l'IA, chatbots, assistants, moteurs de recherche augmentés, ne peuvent pas se permettre des latences élevées même si le modèle sous-jacent est plus précis. Jusqu'ici, les équipes d'ingénierie devaient choisir empiriquement leur architecture, sans loi formelle pour guider ces arbitrages. Ce nouveau cadre leur offre une boussole quantitative : pour un budget computationnel donné, il devient possible de prédire quelle configuration architecturale maximisera le débit sans sacrifier la qualité des réponses. Ce travail s'inscrit dans la lignée directe de la "loi Chinchilla", publiée par Google DeepMind en 2022, qui avait établi comment ajuster conjointement la taille d'un modèle et le volume de données d'entraînement pour minimiser la perte à budget fixe. Cette loi, fondatrice dans la discipline, ne disait cependant rien des choix internes d'architecture. Les auteurs comblent ce manque en intégrant ces variables structurelles dans l'équation de scaling, transformant l'architecture en un paramètre de premier rang au même titre que le nombre de paramètres ou les tokens d'entraînement. À mesure que les modèles continuent de grossir et que les coûts d'inférence grimpent, ce type de cadre pourrait devenir un outil de référence pour les équipes qui cherchent à déployer des LLMs performants sans exploser leur facture de calcul.

RecherchePaper
1 source
Les contenus générés par IA devront être tatoués, sauf s’ils sont vérifiés par un humain
Illustration générée par IA
5233Next INpact 

Les contenus générés par IA devront être tatoués, sauf s’ils sont vérifiés par un humain

L'Union européenne franchit une étape décisive dans la régulation des contenus synthétiques. La Commission européenne a lancé une consultation publique, ouverte jusqu'au 3 juin 2026, sur ses lignes directrices d'application de l'article 50 de l'AI Act. Ce texte impose aux fournisseurs et déployeurs d'intelligence artificielle de marquer de façon indélébile et « claire et identifiable » tout contenu généré ou modifié par IA : textes, images, sons, vidéos, réalités virtuelle et augmentée, jumeaux numériques, et même les systèmes d'IA agentique interagissant avec des environnements physiques ou numériques. Une exemption notable est toutefois proposée : les contenus ayant fait l'objet d'une vérification humaine ou d'un contrôle éditorial pourraient être dispensés de cette obligation de marquage. Lucilla Sioli, directrice du bureau IA de la DG Connect à la Commission, résume l'objectif sur LinkedIn : « Nous souhaitons réduire les risques d'usurpation d'identité et de tromperie. » L'enjeu dépasse la simple transparence technique. Ces règles visent à permettre à tout citoyen de distinguer ce qu'un humain a créé de ce qu'une machine a produit, dans un contexte où deepfakes et désinformation prolifèrent. La réglementation touche également les contenus mixant productions humaines et synthétiques, ainsi que les systèmes d'IA utilisés dans des domaines sensibles comme l'imagerie médicale ou l'évaluation scolaire. Les usages purement personnels et non professionnels sont exemptés, mais la Commission pose une limite claire : cette exception ne couvre ni les activités criminelles, ni les deepfakes diffusés publiquement sur des sujets politiques ou économiques susceptibles d'influencer le débat public. Concrètement, un particulier qui crée des deepfakes humoristiques de sa famille pour des vœux de Noël n'est pas concerné ; en revanche, quiconque diffuse publiquement un deepfake pour critiquer un responsable politique devra le labelliser explicitement comme contenu synthétique. Ce texte s'inscrit dans une dynamique réglementaire européenne construite depuis 2021 autour de l'AI Act, adopté en 2024 et entré progressivement en vigueur. Le tatouage numérique des contenus IA rejoint d'autres obligations déjà existantes comme les règles sur la désinformation du Digital Services Act. Un code de bonnes pratiques, rédigé par des experts indépendants, doit compléter ces lignes directrices et être finalisé début juin. L'équilibre reste délicat : trop strict, le dispositif freine la créativité et la liberté d'expression ; trop souple, il laisse prospérer la manipulation. La consultation en cours est précisément l'occasion pour les acteurs de l'industrie, les médias et la société civile de peser sur ce curseur avant que les règles définitives ne s'appliquent.

RégulationReglementation
1 source
Le feuilleton IA chinois et les objectifs de santé manqués de l'OMS
Illustration générée par IA
5234MIT Technology Review 

Le feuilleton IA chinois et les objectifs de santé manqués de l'OMS

L'industrie chinoise du drama court a franchi un seuil symbolique en janvier 2026 : en moyenne 470 séries courtes générées entièrement par intelligence artificielle étaient publiées chaque jour, sans acteurs, sans cadreurs, sans spécialistes des effets visuels. Les délais de production, autrefois comptés en mois, se réduisent désormais à quelques semaines, tandis que les coûts ont chuté jusqu'à 90 %. Ce format, fondé sur des épisodes ultra-courts pensés pour le défilement sur smartphone, se nourrit de mélodrame et de données comportementales : les algorithmes pilotent l'écriture en fonction des performances d'engagement en temps réel. Le mouvement s'exporte rapidement hors de Chine, redessinant au passage le rôle des scénaristes et des équipes de production. En parallèle, sur le front financier, Anthropic a finalisé les termes d'une levée de fonds de 30 milliards de dollars à une valorisation de 900 milliards, dépassant ainsi OpenAI, avec Sequoia, Dragoneer, Greenoaks et Altimeter en tête du tour de table. Ces évolutions illustrent une accélération simultanée sur plusieurs fronts de l'IA. La démocratisation radicale de la production audiovisuelle en Chine pose directement la question de la destruction d'emplois créatifs à grande échelle, tandis que la valorisation record d'Anthropic signale que les capitaux continuent d'affluer massivement vers les laboratoires d'IA de pointe, malgré les incertitudes sur la rentabilité. Par ailleurs, OpenAI envisagerait une action en justice contre Apple, estimant ne pas avoir obtenu les bénéfices attendus de son accord d'intégration de ChatGPT dans les produits Apple. Sur le plan énergétique, les centres de données alimentant ces systèmes pèsent désormais sur les réseaux électriques américains au point que le Nevada redirige de l'électricité depuis la région du lac Tahoe, suscitant la colère de riverains qui dénoncent leur mise à l'écart au profit des datacenters. Ce tableau d'ensemble s'inscrit dans un moment charnière pour la gouvernance mondiale de l'IA. Washington et Pékin ont annoncé des pourparlers formels sur la sécurité de l'IA, visant à définir des garde-fous communs et un protocole destiné à empêcher des acteurs non étatiques d'accéder à des modèles particulièrement puissants. Ces discussions diplomatiques interviennent alors que les tensions entre laboratoires s'intensifient : Elon Musk et Sam Altman comparaissent simultanément devant la justice dans un procès portant sur l'avenir d'OpenAI, leurs avocats s'accusant mutuellement de manque de crédibilité dans leurs plaidoiries finales. Alphabet et Amazon, de leur côté, ont recours à des niveaux d'endettement qualifiés d'inédits pour financer leurs infrastructures IA, révélant l'ampleur des investissements nécessaires pour rester dans la course.

BusinessActu
1 source
xAI lance Grok Build : L’agent de codage qui veut détrôner Claude Code
Illustration générée par IA
5235Le Big Data 

xAI lance Grok Build : L’agent de codage qui veut détrôner Claude Code

xAI, la société d'intelligence artificielle fondée par Elon Musk, a lancé le 14 mai 2026 Grok Build, un agent de codage en version bêta. Accessible uniquement aux abonnés SuperGrok Heavy à 300 dollars par mois, l'outil se présente comme un agent de programmation avancé doublé d'une interface en ligne de commande. Cette phase initiale est revendiquée par xAI comme un laboratoire grandeur nature : les retours des premiers utilisateurs serviront à corriger les bugs, affiner les performances et enrichir les fonctionnalités au fil du temps. L'installation s'effectue directement depuis le site officiel de xAI, via connexion au compte utilisateur. Grok Build cible explicitement les développeurs professionnels confrontés à des tâches complexes. Son mode sans interface graphique permet de l'intégrer dans des scripts et des automatisations existantes, et son interface en ligne de commande prend en charge le protocole ACP pour faciliter la création de bots personnalisés et d'applications orchestrant plusieurs agents. Pour les projets ambitieux, un mode planification permet à l'agent de préparer une stratégie détaillée que le développeur peut approuver, modifier ou réécrire avant toute exécution. Chaque modification s'affiche ensuite sous forme de diff structuré. L'outil reconnaît automatiquement les conventions d'un dépôt existant, prend en charge les fichiers AGENTS.md, plugins, hooks, skills et serveurs MCP, et peut déléguer certaines tâches à des sous-agents spécialisés exécutés en parallèle pour accélérer le développement. Le lancement de Grok Build s'inscrit dans une course effrénée aux agents de codage autonomes, marché où Anthropic s'est imposé avec Claude Code et où GitHub Copilot, Cursor ou Devin occupent déjà des positions établies. xAI, qui a considérablement accéléré le développement de sa famille de modèles Grok depuis le rachat de Twitter, cherche à transformer son avantage en données et en visibilité publique en une présence concrète dans les outils du quotidien des développeurs. La barrière d'entrée actuelle, 300 dollars mensuels pour un accès bêta, limite volontairement la base d'utilisateurs initiale afin de contrôler la charge et la qualité des retours. Si xAI parvient à démontrer des performances compétitives sur des benchmarks de codage réels, une ouverture plus large à des tarifs inférieurs semble probable. L'enjeu dépasse le simple outil : c'est la capacité de la plateforme Grok à s'imposer comme infrastructure de développement logiciel qui est en jeu.

OutilsOutil
1 source
Le responsable produit de Claude Code évoque les limites d'utilisation, la transparence et le « lean harness »
Illustration générée par IA
5236Ars Technica AI 

Le responsable produit de Claude Code évoque les limites d'utilisation, la transparence et le « lean harness »

Anthropic a organisé le 8 mai dernier sa deuxième conférence annuelle "Code with Claude" à San Francisco, dans un parking à étages reconverti en espace événementiel. L'événement a permis à l'entreprise de présenter de nouvelles fonctionnalités pour ses Managed Agents et d'annoncer un accord de calcul avec SpaceX. Dans la foulée, Anthropic a doublé les limites d'utilisation de Claude Code pour les abonnés aux plans Pro et Max, une décision directement motivée par les frustrations croissantes des utilisateurs face à des contraintes de ressources particulièrement sévères ces dernières semaines. Cat Wu, responsable produit de Claude Code chez Anthropic, a accordé une interview de trente minutes à Ars Technica en marge de l'événement. Ce doublement des limites représente une réponse concrète à une tension de fond : Claude Code consomme une quantité de tokens et de calcul nettement supérieure à celle d'un usage conversationnel classique, ce qui met sous pression l'infrastructure d'Anthropic et génère des blocages pour les développeurs qui en font un usage intensif. Pour les professionnels qui intègrent Claude Code dans leur flux de travail quotidien, cette contrainte pouvait se traduire par des interruptions de service en milieu de journée, rendant l'outil peu fiable en production. Anthropic assume publiquement l'absence d'une feuille de route à long terme pour Claude Code, pari assumé sur le fait que les progrès rapides des modèles rendront tout plan figé rapidement obsolète. La philosophie de l'équipe repose sur ce qu'elle appelle un "lean harness" : un cadre d'exécution minimaliste qui laisse le maximum de latitude au modèle plutôt que de l'enfermer dans une architecture rigide. L'accord avec SpaceX pour de la capacité de calcul illustre la stratégie d'Anthropic pour absorber une demande en forte hausse, dans un marché où la concurrence entre outils de développement assistés par IA s'intensifie rapidement.

OutilsOutil
1 source
Mistral prépare son IA chasseuse de failles, Microsoft déploie déjà son armée d’agents
Illustration générée par IA
5237Next INpact 

Mistral prépare son IA chasseuse de failles, Microsoft déploie déjà son armée d’agents

Mistral AI travaille au développement d'un modèle d'intelligence artificielle dédié à la détection de failles de sécurité dans le code de banques européennes, selon des informations rapportées par Bloomberg. La startup française, qui collaborait déjà avec ses clients du secteur bancaire sur ces problématiques avant le lancement de Mythos par Anthropic en avril dernier, prépare désormais une version "clé en main" pour un déploiement plus large. En parallèle, Microsoft a dévoilé MDASH, pour "Microsoft Security multi-model agentic scanning harness", un système de sécurité agentique mobilisant plusieurs modèles d'IA complémentaires et une centaine d'agents spécialisés. Sur le benchmark CyberGym, qui regroupe plus de 1 500 tâches reproduisant des vulnérabilités réelles, MDASH affiche un taux de réussite de 88,45 %, soit environ 5 points de mieux que son concurrent le plus proche. Le système a déjà permis d'identifier 16 vulnérabilités dans l'authentification et l'infrastructure réseau de Windows, dont 4 failles critiques permettant l'exécution de code à distance. La détection automatisée de vulnérabilités par IA est en train de passer du statut d'expérimentation de laboratoire à celui d'outil industriel déployé à grande échelle, c'est le constat que Microsoft formule explicitement. Pour les entreprises et institutions gérant des infrastructures critiques, l'enjeu est considérable : des systèmes capables d'ausculter des millions de lignes de code en continu représentent un saut qualitatif majeur face aux audits manuels. Mais cette puissance soulève aussi une question de dépendance stratégique : qui contrôle ces outils, et sur quel code s'appliquent-ils ? C'est précisément ce point qu'Arthur Mensch, directeur général de Mistral, a soulevé cette semaine devant la commission d'enquête sur les vulnérabilités numériques à l'Assemblée nationale. Sans nommer Anthropic, il a pointé le risque de confier le code et les bases de données de l'armée française à un modèle étranger comme Mythos, actuellement distribué au compte-gouttes auprès d'organisations majoritairement américaines, sans accès accordé à l'Europe. L'argument est limpide : la cybersécurité par IA est un sujet régalien, et la souveraineté technologique devient un critère non négociable. Mistral se positionne ainsi comme alternative européenne crédible dans une course qui oppose déjà Anthropic, OpenAI avec son initiative Daybreak, et désormais Microsoft. La question des certifications, des audits et de la gouvernance de ces outils devrait rapidement s'imposer dans les débats réglementaires européens.

SécuritéOpinion
1 source
Les mini-séries chinoises devenues des usines à contenu IA
Illustration générée par IA
5238MIT Technology Review 

Les mini-séries chinoises devenues des usines à contenu IA

En janvier 2026, 470 séries courtes générées entièrement par intelligence artificielle étaient publiées chaque jour sur des plateformes comme DramaWave et ReelShort, selon le cabinet d'analyse DataEye. Ces mini-dramas de une à deux minutes par épisode, conçus pour être consommés sur smartphone, forment désormais une industrie pesant 6,9 milliards de dollars en Chine en 2024, surpassant pour la première fois les recettes annuelles du box-office national. Des sociétés comme Kunlun Tech et FlexTV ont engagé une transformation radicale de leur chaîne de production: scénarisation, casting, tournage et montage, qui nécessitaient auparavant trois à quatre mois et environ 200 000 dollars pour une production nord-américaine, peuvent désormais être réalisés en moins d'un mois pour un coût réduit de 80 à 90%, selon Tang Tang, vice-président de FlexTV. Résultat: plus aucun acteur, opérateur caméra, ni spécialiste des effets visuels n'est nécessaire. Ce changement d'échelle redéfinit l'économie du divertissement mobile à l'échelle mondiale. Avec près d'un milliard de téléchargements cumulés, les applications de short drama ont fait des États-Unis leur premier marché hors de Chine, représentant environ 50% des revenus internationaux. L'IA n'est plus un outil auxiliaire: elle constitue désormais la colonne vertébrale de la production pour certains studios. La vitesse est devenue la métrique centrale. "En Chine, si une série ne rentre pas dans ses frais en un mois, l'industrie la considère comme un échec", explique Tang Tang. Pour les travailleurs du secteur, scénaristes et techniciens en premier lieu, cette automatisation accélérée soulève des questions directes sur l'avenir de leurs métiers, à une cadence que peu d'industries ont connue aussi brutalement. L'industrie du short drama chinois existe depuis 2018 mais a connu son essor à partir de 2022, quand les sociétés ont commencé à exporter leurs formats à l'international, en traduisant leurs succès et en produisant des séries localisées avec des acteurs étrangers. La stratégie d'acquisition est systématique: acheter massivement du trafic sur TikTok, Facebook et YouTube via des publicités à effet de suspense, offrir quelques épisodes gratuits, puis monétiser via abonnement dans l'application. Les décisions éditoriales reposent moins sur l'intuition créative que sur l'analyse de données de performance, les projets étant classifiés selon des mots-clés très précis couvrant genre, cadre et structure narrative. L'adoption de l'IA générative n'est que la prochaine itération de cette logique d'optimisation algorithmique, et laisse anticiper une montée en puissance encore plus rapide du volume de contenu disponible à l'international.

CréationOpinion
1 source
Les meilleurs agents IA pour le développement logiciel : classement par benchmarks
Illustration générée par IA
5239MarkTechPost 

Les meilleurs agents IA pour le développement logiciel : classement par benchmarks

En l'espace d'un an et demi, les agents de codage IA sont passés du simple complètement automatique à des systèmes entièrement autonomes capables de lire des issues GitHub, naviguer dans des bases de code multi-fichiers, écrire des correctifs, exécuter des tests et ouvrir des pull requests sans qu'un humain tape une seule ligne. Début 2026, environ 85 % des développeurs déclarent utiliser régulièrement une forme d'assistance IA pour coder. Le marché s'est structuré en quatre grandes familles : les agents terminaux, les IDE natifs IA, les ingénieurs autonomes hébergés dans le cloud, et les frameworks open source permettant de choisir librement son modèle. Chaque outil se réclame du meilleur, mais les benchmarks invoqués pour le prouver ne mesurent pas toujours les mêmes choses, et certains ont perdu toute crédibilité. Le coup de tonnerre est venu le 23 février 2026, quand l'équipe Frontier Evals d'OpenAI a annoncé qu'elle cessait de publier ses scores sur SWE-bench Verified, le benchmark de référence du secteur depuis mi-2024. Ce test soumet des agents à 500 vraies issues GitHub tirées de dépôts Python populaires, en mesurant leur capacité à comprendre le problème, naviguer le code, générer un correctif et valider les tests, sans intervention humaine. L'audit d'OpenAI a porté sur 138 des problèmes les plus difficiles, répartis sur 64 sessions indépendantes : 59,4 % présentaient des cas de test fondamentalement défectueux ou insolubles, exigeant par exemple des noms de fonctions précis absents de l'énoncé. Plus grave encore, les auditeurs ont constaté que les trois grands modèles frontière, GPT-5.2, Claude Opus 4.5 et Gemini 3 Flash, étaient capables de reproduire mot pour mot les solutions de référence à partir du seul identifiant de tâche, confirmant une contamination systématique des données d'entraînement. La conclusion d'OpenAI est sans appel : les progrès mesurés sur SWE-bench Verified ne reflètent plus d'améliorations réelles dans le développement logiciel. OpenAI recommande désormais SWE-bench Pro comme successeur. Ce nouveau benchmark contient 1 865 tâches réparties en trois sous-ensembles : 731 tâches publiques, 858 tâches en set caché, et 276 tâches commerciales issues de 18 bases de code propriétaires de startups. Les scores y sont nettement plus bas qu'en Verified : lorsque Scale AI avait évalué les modèles frontière avec un scaffold unifié SWE-Agent, le meilleur résultat n'atteignait pas 25 % (GPT-5 à 23,3 %). Les chiffres publiés aujourd'hui par les labs sont bien supérieurs grâce à des harness optimisés : OpenAI annonce GPT-5.5 à 58,6 % sur le set public, Anthropic revendique 64,3 % pour Claude Opus 4.7, et Google affiche 54,2 % pour Gemini 3.1 Pro. La difficulté à comparer ces résultats, obtenus avec des configurations très différentes, illustre le défi central du marché en 2026 : choisir son agent de codage exige désormais de décrypter les benchmarks autant que les fonctionnalités.

LLMsOutil
1 source
☕️ Meta promet des discussions « vraiment privées » avec son IA
Illustration générée par IA
5240Next INpact 

☕️ Meta promet des discussions « vraiment privées » avec son IA

Meta a annoncé le lancement d'un mode "Discussion Incognito" pour son assistant Meta AI, disponible sur WhatsApp et dans l'application dédiée Meta AI. Cette fonctionnalité s'appuie sur la technologie maison de traitement privé des requêtes, déployée l'an dernier, qui empêche toute interception des échanges, y compris par Meta elle-même. Les conversations sont traitées dans un environnement sécurisé, ne sont pas enregistrées sur les serveurs de l'entreprise et disparaissent dès la fin de la session. Mark Zuckerberg n'a pas hésité à se montrer conquis par l'initiative : "Il s'agit du premier grand produit d'IA pour lequel aucune trace de vos conversations n'est stockée sur des serveurs." À titre de comparaison, le mode temporaire de ChatGPT conserve les échanges jusqu'à 30 jours, et Google Gemini jusqu'à 72 heures. Cet engagement sur la confidentialité répond à un besoin réel, documenté : les utilisateurs d'assistants IA posent régulièrement des questions très personnelles sur leur santé, leurs finances ou leur vie privée. OpenAI avait ainsi révélé lors de la présentation de ChatGPT Health que la santé figurait parmi les usages les plus fréquents de son assistant. Offrir un espace de discussion sans traçabilité change concrètement le rapport de confiance entre l'utilisateur et la plateforme, en particulier pour des interactions que l'on ne souhaite pas voir monétisées ou exploitées à des fins publicitaires. La décision de Meta est d'autant plus notable qu'elle intervient dans un contexte pour le moins paradoxal : le 8 mai, la société a supprimé le chiffrement de bout en bout des messageries Instagram, au motif que la fonctionnalité était trop peu utilisée et trop complexe. Ce choix illustre une tension de fond chez Meta, dont le modèle économique repose quasi exclusivement sur la publicité ciblée. En renforçant la confidentialité de son IA tout en retirant une protection des communications humaines, l'entreprise semble vouloir rassurer les utilisateurs sur ses ambitions dans l'IA générative, un terrain où la confiance est devenue un argument concurrentiel à part entière. Meta prend soin de souligner, non sans malice, que d'autres applications proposant des fonctions similaires restent en mesure de consulter les questions posées et les réponses reçues, ciblant implicitement ses concurrents OpenAI et Google.

ÉthiqueOpinion
1 source