Actualités IA — page 268

7 574 articles au fil, du plus récent au plus ancien.

41

5341Presse-citron 

La fête est finie pour « Friend », la start-up qui avait fait polémique dans le métro parisien

La start-up Friend, connue pour ses publicités controversées placardées dans le métro parisien, renonce à commercialiser son collier connecté à l'intelligence artificielle en Europe. L'entreprise, qui proposait un pendentif capable de tenir compagnie à son porteur via une IA conversationnelle, avait suscité un vif débat public lors de sa campagne de communication en France. Le retrait du marché européen s'explique par des obstacles réglementaires liés à la protection des données personnelles. Le collier Friend collecte en permanence des conversations et des données comportementales de ses utilisateurs, un fonctionnement difficilement compatible avec le cadre strict imposé par le RGPD. Aucun pays de l'Union européenne ne pourra donc trouver le produit à la vente, privant Friend d'un marché de plusieurs centaines de millions de consommateurs potentiels. Ce revers illustre la difficulté croissante pour les start-up américaines d'IA grand public de s'implanter en Europe sans adapter fondamentalement leur modèle de collecte de données. Le RGPD continue de fonctionner comme un filtre sélectif pour les produits les plus intrusifs, tandis que Friend devra revoir son architecture technique ou se limiter à des marchés moins contraignants pour assurer sa viabilité commerciale.

Régulation⚖Reglementation

1 source

43

5342MarkTechPost 

RightNow AI publie AutoKernel : un framework open source qui applique une boucle d'agents autonomes à l'optimisation des kernels GPU pour les modèles PyTorch

RightNow AI a publié AutoKernel, un framework open-source qui automatise l'optimisation des kernels GPU pour n'importe quel modèle PyTorch. Le principe est simple : soumettre un modèle avant de dormir et retrouver au matin des kernels Triton plus rapides, sans avoir à maîtriser la programmation GPU de bas niveau. Le système repose sur une boucle agentique autonome : un agent LLM modifie un fichier kernel.py, un banc de test vérifie la correction puis mesure le débit, et le résultat détermine si la modification est conservée ou annulée via un git reset. Chaque itération dure environ 90 secondes, ce qui permet de réaliser 300 à 400 expériences lors d'une session de 10 heures. L'agent suit un manuel d'optimisation en six niveaux encodé dans un document de 909 lignes, couvrant le réglage des tailles de blocs, les patterns d'accès mémoire, les optimisations de calcul comme TF32, les techniques avancées comme split-K, et les stratégies spécifiques aux architectures Hopper et Ampere de NVIDIA. L'enjeu est considérable pour l'industrie du machine learning. Optimiser un kernel GPU de haute performance exige de raisonner simultanément sur l'intensité arithmétique, la coalescence mémoire, la pression sur les registres, la synchronisation au niveau warp et la sélection des instructions tensor core, un ensemble de compétences qui prend des années à acquérir. Un seul kernel de multiplication matricielle performant peut représenter plus de 200 lignes de code CUDA ou Triton avec des dizaines de paramètres interdépendants. La suite de benchmarks KernelBench, qui évalue les grands modèles de langage sur 250 problèmes de kernels GPU, a montré que même les meilleurs modèles n'égalaient la baseline PyTorch que dans moins de 20 % des cas en génération directe. AutoKernel répond précisément à ce déficit en rendant cette expertise accessible sans spécialiste humain, ce qui pourrait accélérer significativement le développement et le déploiement de modèles d'IA. L'approche s'inspire directement du projet autoresearch d'Andrej Karpathy, dans lequel une boucle keep/revert appliquée à du code d'entraînement LLM avait permis de découvrir 20 optimisations en 700 expériences sur deux jours avec un seul GPU. AutoKernel transpose cette logique à l'espace des kernels, en substituant la loss de validation par un benchmark de correction et de débit comme fonction d'évaluation. La traçabilité est assurée par git, les résultats étant stockés dans un fichier TSV lisible directement par l'agent. Ce type de framework illustre une tendance plus large où les tâches d'ingénierie hautement spécialisées deviennent des cibles pour l'automatisation agentique, réduisant la dépendance aux rares experts en optimisation GPU à mesure que les architectures de modèles continuent d'évoluer.

Outils⚒Outil

1 source

41

5343The Decoder 

OpenAI révèle 600 000 questions de santé hebdomadaires depuis des déserts médicaux, dont sept sur dix hors horaires

OpenAI a révélé que ChatGPT reçoit des millions de requêtes médicales chaque semaine aux États-Unis, dont 600 000 proviennent chaque semaine de zones qualifiées de "déserts hospitaliers", ces territoires où l'accès à un médecin est difficile voire inexistant. Fait frappant : sept requêtes sur dix arrivent en dehors des heures d'ouverture des cabinets médicaux, c'est-à-dire le soir, la nuit ou le week-end. Ces chiffres illustrent un phénomène de substitution : face à l'impossibilité de consulter rapidement un professionnel de santé, une partie croissante de la population américaine se tourne vers l'IA générative comme premier recours médical. Pour les habitants des zones rurales ou sous-dotées, ChatGPT représente parfois le seul interlocuteur disponible immédiatement pour évaluer un symptôme ou obtenir une information sanitaire. Ce dévoilement s'inscrit dans une stratégie assumée d'OpenAI de positionner ses outils dans le secteur de la santé, un marché à fort enjeu réglementaire et éthique. La question de la fiabilité des réponses médicales générées par IA reste centrale : si l'accessibilité progresse, les risques liés à des conseils inexacts ou incomplets dans des situations d'urgence alimentent un débat vif entre défenseurs de la démocratisation de la santé et médecins alertant sur les limites de ces systèmes.

Société⚡Actu

1 source

46

5344The Information AI 

Le directeur financier d'OpenAI doute de la faisabilité d'une IPO en 2026

Sam Altman, PDG d'OpenAI, et Sarah Friar, directrice financière de l'entreprise, ne s'accordent pas sur le calendrier d'une éventuelle introduction en bourse, selon des informations rapportées par The Information. Altman souhaiterait une entrée en bourse dès le quatrième trimestre 2026, tandis que Friar aurait exprimé en privé des réserves sur la capacité d'OpenAI à être prête dans ce délai. Ce désaccord au sommet est révélateur des tensions internes que traverse la startup la plus valorisée du secteur de l'IA. Une introduction en bourse prématurée exposerait OpenAI à un niveau de transparence financière et réglementaire auquel l'entreprise n'est peut-être pas encore préparée, avec des exigences de reporting trimestriel et une pression accrue des marchés sur la rentabilité à court terme, un défi de taille pour une société qui brûle des milliards en infrastructure et en recherche. OpenAI a récemment levé 40 milliards de dollars en mars 2026 lors d'un tour de table mené par SoftBank, portant sa valorisation à 300 milliards de dollars. Cette levée massive, combinée à la restructuration de l'entreprise en société à but lucratif, semblait préparer le terrain pour une éventuelle entrée en bourse. Mais les frictions entre Altman et Friar suggèrent que la transition vers les marchés publics est plus complexe que prévu, notamment dans un contexte de concurrence intense avec Google, Anthropic et Meta sur le marché de l'IA générative.

Business⚡Actu

1 source

43

5345InfoQ AI 

Langages dynamiques : plus rapides et moins coûteux dans le benchmark Claude Code à 13 langages

Un benchmark de 600 exécutions mené par Yusuke Endoh, contributeur au langage Ruby, a comparé les performances de Claude Code sur 13 langages de programmation différents, en lui faisant implémenter une version simplifiée de Git. Les résultats montrent que Ruby, Python et JavaScript sont les langages les plus rapides et les moins coûteux, avec un tarif compris entre 0,36 et 0,39 dollar par exécution. Les langages à typage statique, comme Java, Go ou Rust, se révèlent 1,4 à 2,6 fois plus chers. L'ajout de vérificateurs de types aux langages dynamiques entraîne quant à lui des ralentissements de 1,6 à 3,2 fois. Le jeu de données complet est disponible sur GitHub. Ces chiffres ont des implications directes pour les équipes qui utilisent des agents de codage alimentés par des LLM dans leurs workflows de développement. Le choix du langage influence non seulement la vitesse d'exécution des agents, mais aussi le coût opérationnel à grande échelle. Pour les entreprises qui déploient Claude Code massivement, la différence entre un langage dynamique et un langage statiquement typé peut représenter une multiplication substantielle des dépenses en tokens. Cette étude s'inscrit dans un contexte où l'utilisation des agents de codage autonomes se généralise rapidement dans l'industrie. Anthropic, l'entreprise derrière Claude, pousse activement Claude Code comme outil de développement agentic. La question de l'efficacité par langage devient stratégique alors que les équipes cherchent à optimiser leurs pipelines d'automatisation du code, et ce type de benchmark indépendant fournit des données concrètes pour guider ces choix techniques.

Outils⚒Outil

1 source

48

5346Le Monde Pixels 

Aux Etats-Unis, des demandeurs d’emploi attaquent des logiciels de recrutement utilisant l’IA, pour discrimination par l’âge

Des milliers de candidats à l'emploi ont engagé des poursuites judiciaires contre Workday, l'un des principaux éditeurs de logiciels de ressources humaines aux États-Unis, accusant ses outils d'intelligence artificielle de discriminer les candidats selon leur âge, leur race ou leur handicap. L'affaire, portée en recours collectif devant les tribunaux fédéraux californiens, reproche à Workday d'avoir conçu des algorithmes de tri automatisé qui écartent systématiquement certains profils avant même qu'un recruteur humain n'examine leur dossier. Les plaignants, dont beaucoup ont plus de 40 ans, soutiennent avoir été éliminés non pas sur leurs compétences, mais en raison de caractéristiques protégées par le droit américain. L'enjeu juridique est inédit : c'est le fournisseur du logiciel lui-même qui est visé, et non les entreprises clientes qui l'utilisent pour gérer leurs recrutements. Cette approche pourrait redéfinir la chaîne de responsabilité dans l'automatisation RH, forçant les éditeurs à répondre des biais embarqués dans leurs systèmes. Si la jurisprudence se précise en faveur des plaignants, toute l'industrie des ATS (applicant tracking systems) pourrait être contrainte de revoir ses modèles et de démontrer l'équité de leurs critères de sélection. Ce contentieux s'inscrit dans une vague plus large de remises en cause des usages de l'IA dans l'emploi. La loi américaine sur la discrimination par l'âge (ADEA) interdit tout traitement défavorable des travailleurs de plus de 40 ans, mais son application aux systèmes automatisés reste largement non testée. Parallèlement, des villes comme New York ont déjà imposé des audits obligatoires sur les outils d'IA utilisés en recrutement. L'issue de la procédure contre Workday, dont les logiciels sont déployés dans des milliers d'entreprises mondiales, sera suivie de près comme un précédent potentiel pour encadrer l'IA dans les ressources humaines.

Régulation⚖Reglementation

1 source

35

5347Apple Machine Learning 

SQUIRE : création interactive d'interfaces utilisateur par représentations intermédiaires

Des chercheurs ont présenté SQUIRE (Slot QUery Intermediate REpresentations), un nouveau système d'assistance à la création d'interfaces utilisateur conçu pour aider les développeurs front-end à prototyper plus efficacement. L'outil s'appuie sur l'IA générative mais introduit une couche intermédiaire structurée, les "slot queries", entre l'intention du développeur et le code produit, afin de rendre la génération plus prévisible et plus contrôlable. Le problème que SQUIRE cherche à résoudre est bien réel : les assistants IA actuels, qui fonctionnent via une interface de chat, offrent beaucoup de flexibilité mais peu de précision. Le langage naturel reste ambigu, et les modèles peuvent répondre de façon imprévisible, forçant les développeurs à itérer longuement avant d'obtenir un résultat satisfaisant. En introduisant des représentations intermédiaires explicites, SQUIRE permet à l'utilisateur de spécifier ses intentions de manière plus structurée, réduisant ainsi les allers-retours et accélérant le cycle de prototypage. Cette approche s'inscrit dans une tendance plus large de la recherche en interaction homme-machine : plutôt que de confier entièrement la génération à un modèle de langage via un prompt libre, on intercale des étapes de structuration qui préservent le contrôle humain. Des systèmes similaires ont émergé dans d'autres domaines de la génération de code, et SQUIRE applique ce principe au domaine spécifique des interfaces graphiques, où la précision visuelle et fonctionnelle est particulièrement exigeante. Les suites potentielles incluent une intégration dans des environnements de développement existants comme Figma ou VS Code.

Recherche❖Paper

1 source

41

5348MarkTechPost 

MaxToki : l'IA qui prédit comment vos cellules vieillissent et comment l'éviter

Une équipe internationale de chercheurs, impliquant notamment les Instituts Gladstone (maladies cardiovasculaires, neurologiques, sciences des données) et l'Université de Californie San Francisco, a développé MaxToki, un modèle d'intelligence artificielle capable de prédire l'évolution dans le temps de l'état génétique des cellules humaines. Contrairement aux modèles existants qui analysent les cellules comme des instantanés figés, MaxToki intègre une dimension temporelle, essentielle pour comprendre comment les cellules vieillissent. Le modèle repose sur une architecture de type transformer décodeur -- la même famille que les grands modèles de langage -- et a été entraîné sur des données de séquençage d'ARN unicellulaire. Il existe en deux versions : 217 millions et 1 milliard de paramètres. Son entraînement s'est déroulé en deux étapes, la première s'appuyant sur Genecorpus-175M, un corpus d'environ 175 millions de transcriptomes unicellulaires issus de 10 795 jeux de données publics, générant quelque 290 milliards de tokens. Une particularité technique clé est l'encodage par rang : plutôt que d'injecter des comptages bruts d'expression génique, chaque cellule est représentée par une liste de gènes classés selon leur expression relative, ce qui rend le modèle plus robuste face aux biais techniques des données biologiques. MaxToki ouvre des perspectives concrètes dans l'étude du vieillissement cellulaire et des maladies qui en découlent -- insuffisance cardiaque, maladie d'Alzheimer, fibrose pulmonaire -- des pathologies qui se développent sur des décennies à travers des changements progressifs dans les réseaux de gènes. Pouvoir modéliser ces trajectoires, et non plus seulement l'état instantané d'une cellule, représente un saut qualitatif pour la recherche biomédicale. La capacité à prédire "où va" une cellule pourrait accélérer l'identification de cibles thérapeutiques et la mise au point d'interventions capables de ralentir ou d'inverser ces processus dégénératifs, avant même l'apparition de symptômes cliniques. Le projet s'inscrit dans une vague plus large de fondation models appliqués à la biologie, une discipline où des acteurs comme NVIDIA (partenaire de ce projet), Google avec son modèle Evo, et plusieurs startups de biotech cherchent à reproduire le succès des LLMs dans le domaine du vivant. La plupart des modèles existants peinent à capturer la dynamique temporelle des systèmes biologiques, limitant leur utilité pour les maladies chroniques. MaxToki répond à ce manque en étendant notamment sa fenêtre de contexte de 4 096 à 16 384 tokens via la technique RoPE scaling, et en excluant délibérément les cellules cancéreuses et lignées immortalisées de l'entraînement pour ne pas biaiser l'apprentissage des dynamiques normales. Des institutions allemandes (Goethe University Frankfurt, Centre allemand de recherche cardiovasculaire) et japonaises (Université de Kyoto, Centre iPS) contribuent également, signe que la course aux modèles fondationnels en biologie est désormais pleinement internationale.

Recherche❖Paper

1 source

46

5349MarkTechPost 

Construire un pipeline Netflix VOID de suppression d'objets vidéo avec CogVideoX

Netflix a publié VOID (Video Object Inpainting and Detection), un modèle d'intelligence artificielle capable de supprimer des objets d'une vidéo et de reconstituer le fond de manière réaliste. Le pipeline repose sur CogVideoX-Fun-V1.5-5b-InP, un modèle d'inpainting vidéo développé par Alibaba PAI et distribué via Hugging Face. Le code source est accessible publiquement sur GitHub à l'adresse netflix/void-model, et le checkpoint officiel void_pass1.safetensors est téléchargeable depuis le dépôt netflix/void-model sur Hugging Face. Pour faire tourner le système, il faut au minimum 40 Go de VRAM, un GPU A100 étant recommandé par les ingénieurs de Netflix eux-mêmes. Le workflow comprend plusieurs étapes : cloner le dépôt, télécharger les modèles de base, préparer des séquences vidéo d'entrée avec leurs masques, puis lancer l'inférence pour obtenir une vidéo où l'objet ciblé a été effacé et remplacé par un fond cohérent. Une intégration optionnelle avec l'API d'OpenAI permet de générer automatiquement un prompt décrivant le fond souhaité, ce qui améliore la qualité du résultat final. Ce type d'outil représente une avancée significative pour la production audiovisuelle. Supprimer un objet indésirable d'une scène vidéo, un câble visible, un accessoire oublié en arrière-plan ou un logo non autorisé, est une opération courante en post-production qui nécessite aujourd'hui des heures de travail manuel dans des logiciels spécialisés comme Adobe After Effects ou DaVinci Resolve. Avec VOID, Netflix propose une approche automatisée basée sur la génération vidéo, où le modèle ne se contente pas de masquer une zone mais reconstitue activement ce qui se trouverait derrière l'objet supprimé, en tenant compte du mouvement de la caméra et de la cohérence temporelle entre les frames. Pour les studios de production et les équipes VFX, cela pourrait réduire drastiquement les coûts et délais associés aux corrections de plans en post-production. Netflix n'est pas le premier acteur à s'aventurer sur ce terrain. Des outils comme RunwayML Gen-3 ou Adobe Firefly Video proposent déjà des fonctionnalités similaires en mode SaaS, mais rares sont les modèles publiés en open source avec un pipeline complet et reproductible. En rendant VOID accessible, Netflix s'inscrit dans une tendance récente de grandes entreprises tech qui publient des modèles de recherche appliquée, à l'image de Meta avec SAM 2 pour la segmentation vidéo ou de Google avec ses travaux sur l'édition de scènes. L'architecture choisie, basée sur CogVideoX et les transformers de diffusion vidéo, reflète l'état de l'art actuel dans le domaine. La prochaine étape probable sera l'intégration de passes multiples et le traitement de vidéos longue durée, l'infrastructure actuelle étant limitée à des clips courts en raison des contraintes mémoire des GPU disponibles.

Création❧Opinion

1 source

49

5350TechCrunch AI 

Microsoft classe Copilot comme simple outil de divertissement dans ses conditions d'utilisation

Microsoft a discrètement inclus dans les conditions d'utilisation de son assistant Copilot une mention surprenante : le service serait destiné à des « fins de divertissement uniquement ». Cette formulation, repérée dans les termes légaux de l'entreprise, contraste fortement avec le positionnement commercial de Copilot comme outil de productivité intégré à Windows, Microsoft 365 et Edge, utilisé par des millions de professionnels et d'entreprises au quotidien. Cette clause soulève une question centrale sur la responsabilité des éditeurs d'IA : si un outil vendu comme assistant professionnel est officiellement qualifié de divertissement, Microsoft limite juridiquement sa responsabilité en cas d'erreur, de désinformation ou de préjudice causé par ses réponses. Ce n'est pas un cas isolé, d'autres grandes entreprises du secteur, dont OpenAI et Google, recourent à des formulations similaires dans leurs CGU pour se prémunir contre des recours légaux liés à des sorties incorrectes ou trompeuses. Ce phénomène illustre la tension croissante entre le discours marketing des acteurs de l'IA générative, qui vante des assistants fiables et transformateurs, et les garde-fous juridiques qu'ils s'empressent d'inscrire en petits caractères. Alors que l'adoption professionnelle de ces outils s'accélère, la question de la responsabilité en cas d'erreur reste entière, et les régulateurs européens, notamment dans le cadre de l'AI Act, commencent à s'y attaquer frontalement.

Régulation⚖Reglementation

1 source

46

5351VentureBeat AI 

Claude, OpenClaw et la nouvelle réalité : les agents IA sont là, et le chaos aussi

L'ère des agents autonomes d'intelligence artificielle est désormais une réalité concrète. Trois outils dominent aujourd'hui ce nouveau paysage : OpenClaw (anciennement Moltbot et Clawdbot), qui a dépassé les 150 000 étoiles sur GitHub en quelques jours et s'installe directement sur les machines locales avec un accès profond au système ; Google Antigravity, un agent de codage intégré à un environnement de développement capable de mener un projet de l'idée à la production de façon interactive ; et Claude Cowork d'Anthropic, qui automatise des tâches juridiques et financières spécialisées comme la révision de contrats et le tri de NDA. Son lancement a d'ailleurs provoqué une chute notable des cours boursiers de plusieurs sociétés de legal-tech et de SaaS, un phénomène baptisé « SaaSpocalypse » par les analystes. Ces trois outils représentent trois modèles distincts d'autonomie : l'agent généraliste avec accès système, l'agent spécialiste du code, et l'agent expert métier. L'impact de ces technologies est déjà mesurable. Claude Cowork, en s'attaquant au droit et à la finance, menace directement des catégories entières de logiciels professionnels et de prestataires humains. La valeur de ces agents repose précisément sur l'étendue de l'accès qu'on leur accorde, fichiers, données sensibles, systèmes critiques, ce qui démultiplie leur efficacité mais aussi leur potentiel de nuisance. Un agent fiscal pourrait manquer des opportunités d'économies importantes, ou pire, intégrer des déductions illégales. Un agent de code pourrait injecter des failles silencieuses dans une infrastructure entière. La question centrale n'est plus technique mais systémique : jusqu'où faire confiance à des entités comme Anthropic ou Google pour que leurs agents ne causent pas de préjudice, ne fuient pas des données ou ne favorisent pas certains acteurs de façon illicite ? Ce virage agentic s'inscrit dans une accélération amorcée avec ChatGPT fin 2022, mais qui prend aujourd'hui une dimension inédite avec des agents capables d'agir, pas seulement de répondre. OpenClaw complique davantage l'équation en étant open source : sans autorité centrale de gouvernance, le contrôle des usages devient pratiquement impossible. Face à ce chaos organisé, plusieurs conditions apparaissent indispensables pour tirer parti de ces outils sans en subir les effets négatifs : journalisation systématique de chaque action de l'agent, validation humaine sur les décisions critiques, et surtout l'établissement d'une ontologie partagée entre systèmes hétérogènes pour définir un cadre commun de comportement. Combinés à des mécanismes d'identité distribuée et de confiance mutuelle entre agents, ces garde-fous pourraient permettre à l'écosystème agentic de tenir ses promesses sans déclencher la panique que redoutent les observateurs les plus prudents.

Outils⚒Outil

1 source

49

5352The Information AI 

L'App Store d'Apple enregistre 84 % de nouvelles apps en plus ce trimestre : l'effet du Vibe Coding ?

L'App Store d'Apple a enregistré une hausse spectaculaire de 84 % du nombre de nouvelles applications publiées au premier trimestre 2026, atteignant 235 800 apps contre la même période un an plus tôt, selon les données de la société d'analyse Sensor Tower. Cette accélération s'inscrit dans un retournement de tendance amorcé en 2025, année où les nouvelles applications avaient déjà bondi de 30 % pour approcher les 600 000 sur l'ensemble de l'année. Ce rebond contraste avec une décennie de déclin : entre 2016 et 2024, le nombre de nouvelles apps avait chuté de 48 %. Le principal facteur avancé pour expliquer cette explosion est l'essor fulgurant des outils de "vibe coding", ces assistants de programmation propulsés par l'intelligence artificielle qui permettent à des non-développeurs de créer des applications fonctionnelles en quelques heures. Claude Code d'Anthropic, lancé en préversion limitée en février 2025 puis disponible plus largement dès mai, figure parmi les outils les plus emblématiques de cette vague. OpenAI a suivi avec Codex, présenté en préversion en mai 2025 et déployé plus largement en octobre. Ces outils abaissent drastiquement la barrière technique à l'entrée, ouvrant la création d'applications à des millions de personnes sans formation en développement logiciel. Ce retournement intervient après des années de consolidation du marché mobile, où les grands éditeurs dominaient et où les développeurs indépendants peinaient à se faire une place. L'arrivée des outils d'IA générative appliqués au code redistribue les cartes : particuliers, startups et entreprises sans équipes techniques peuvent désormais prototyper et publier rapidement. Si la tendance se confirme, elle pourrait redessiner la dynamique concurrentielle de l'App Store, multiplier les niches d'applications hyper-spécialisées, et relancer un débat sur la qualité et la modération d'un catalogue qui pourrait gonfler à une vitesse inédite.

Outils⚒Outil

1 source

42

5353TechCrunch AI 

Au Japon, les robots occupent les postes que personne ne veut

Le Japon accélère le déploiement de robots physiques et de systèmes d'intelligence artificielle incarnée pour répondre à une pénurie de main-d'oeuvre structurelle. Face à une population active en déclin, les entreprises japonaises font passer ces technologies du stade expérimental à une intégration opérationnelle réelle dans des secteurs comme la logistique, l'agriculture, l'hôtellerie et les services à la personne, des domaines où recruter des humains est devenu quasiment impossible. L'enjeu n'est pas le remplacement de travailleurs existants, mais le comblement de postes que personne ne veut ou ne peut occuper. Pour les entreprises japonaises, l'alternative au robot n'est pas un employé humain, c'est un poste vacant. Ce changement de paradigme modifie profondément la manière dont l'industrie mondiale perçoit la robotique : non plus comme une menace sociale, mais comme une réponse pragmatique à des contraintes démographiques réelles. Le Japon a longtemps été pionnier en robotique industrielle, mais la nouvelle vague concerne des robots autonomes capables d'évoluer dans des environnements non structurés. Avec un taux de fécondité parmi les plus bas au monde et un recours à l'immigration limité par choix politique, le pays n'a pas d'autre voie. Ce laboratoire grandeur nature attire l'attention des entreprises technologiques mondiales, qui y voient un marché d'adoption précoce pour une physical AI amenée à se déployer partout où le vieillissement démographique frappe.

Robotique❧Opinion

1 source

38

5354IEEE Spectrum AI 

L'étude des attitudes humaines envers les robots par l'expérience

Au cours de l'été 2025, le RAI Institute a installé une expérience robotique gratuite et éphémère au centre commercial CambridgeSide de Cambridge, Massachusetts. Sur environ 10 000 visiteurs accueillis, une partie a pu prendre en main les commandes d'un robot quadrupède Spot, fabriqué par Boston Dynamics et considéré comme l'un des robots commerciaux les plus reconnaissables du marché. L'espace se divisait en deux zones : un musée présentant des robots historiques et contemporains, dont des prototypes du RAI Institute comme l'UMV, et une arène de conduite appelée "Drive-a-Spot". Les participants utilisaient un contrôleur adaptatif inspiré des manettes de jeu vidéo, avec des boutons larges utilisables par des enfants dès deux ans comme par des personnes de plus de 90 ans. L'arène changeait de décor toutes les quelques semaines, alternant entre un environnement d'usine, un domicile, un hôpital et un scénario de catastrophe extérieure. L'objectif principal de cette initiative était double : offrir au grand public une rencontre directe avec des robots de pointe, et mesurer scientifiquement l'évolution des perceptions après une interaction réelle. Les visiteurs volontaires remplissaient un questionnaire avant et après avoir conduit le Spot, évaluant leur niveau de confort et la pertinence du robot dans différents contextes professionnels et domestiques. Cette méthodologie est précieuse car la majorité des opinions sur la robotique se forment à partir de la culture populaire et des réseaux sociaux, deux vecteurs qui privilégient les récits sensationnels au détriment d'une représentation fidèle des capacités réelles des machines. Ce que beaucoup de visiteurs ont découvert avec surprise, c'est que Spot est capable d'ajuster ses déplacements de manière autonome pour franchir des obstacles, même lorsqu'il est simplement supervisé par une manette. Cette étude s'inscrit dans un moment charnière pour l'industrie robotique, où les questions d'acceptabilité sociale deviennent aussi stratégiques que les défis techniques. Le RAI Institute, dirigé par Marc Raibert, l'un des fondateurs historiques de la robotique à pattes, cherche à combler le fossé entre les avancées en laboratoire et la perception publique. Le choix des quatre scénarios de l'arène n'est pas anodin : il oppose des environnements où les robots sont déjà largement acceptés, comme l'industrie et les situations d'urgence, à des cadres où l'ambivalence est documentée, notamment le domicile et les établissements de santé. Les résultats de l'enquête, portant sur un échantillon représentatif de la population générale, devraient alimenter la réflexion des concepteurs de robots sur la manière d'intégrer ces machines dans des espaces partagés avec les humains.

Robotique⚡Actu

1 source

45

5355Le Big Data 

Cursor 3 : une armée d’agents IA codeurs à votre service ?

Cursor a dévoilé la troisième version majeure de son éditeur de code, Cursor 3, marquant un tournant dans l'automatisation du développement logiciel. La nouveauté centrale réside dans l'orchestration simultanée de plusieurs agents IA autonomes, capables de travailler en parallèle sur des tâches distinctes : l'un génère du code, un autre rédige les tests, un troisième produit la documentation. Ces agents fonctionnent aussi bien en local que dans le cloud, grâce à Composer 2, un modèle optimisé pour les itérations rapides de code. L'ensemble converge dans une interface unifiée, conçue dès le départ pour la supervision multi-agents, qui agrège les agents locaux, cloud, mobiles et les intégrations tierces comme Slack ou GitHub. Les agents cloud produisent automatiquement des captures d'écran et des démos, permettant au développeur de vérifier leur travail sans lire chaque ligne de code. Ce changement de paradigme déplace concrètement le rôle du développeur : de l'exécutant qui tape chaque ligne, il devient superviseur stratégique qui valide, ajuste et arbitre. La gestion du cycle complet, du premier commit jusqu'à la pull request, est prise en charge par l'outil, avec une nouvelle vue des modifications qui simplifie la lecture des changements et accélère les validations. Un navigateur intégré permet aux agents d'interagir directement avec des interfaces web locales pour tester des applications sans sortir de l'éditeur. La continuité entre environnements représente également un gain opérationnel majeur : une tâche lancée en local peut se poursuivre dans le cloud si l'ordinateur se ferme, et inversement, un agent cloud peut basculer en local pour des tests précis. Cursor s'inscrit dans une tendance de fond qui traverse tout l'écosystème du développement logiciel depuis 2023 : les éditeurs de code "augmentés" par l'IA, dont GitHub Copilot a été le précurseur, évoluent vers des architectures agentiques où plusieurs modèles collaborent de façon coordonnée. Cursor, fondé en 2022 et basé sur un fork de VS Code, s'est rapidement imposé comme l'un des acteurs les plus agressifs de ce marché, avec une croissance rapide auprès des développeurs professionnels. La version 3 tente de résoudre la principale friction des générations précédentes : la dispersion entre plusieurs interfaces et conversations simultanées. Si la promesse d'une "flotte d'agents" reste encore partiellement tenue, la supervision humaine demeure indispensable, la direction est claire. Les prochaines batailles se joueront sur la fiabilité des agents autonomes, leur capacité à éviter les régressions, et l'intégration avec les pipelines CI/CD des grandes organisations.

Outils⚒Outil

1 source

52

5356Sciences et Avenir Tech 

"Détecter les situations d'urgence sur les réseaux sociaux"

Alda Mari, linguiste et chercheuse au CNRS, a reçu la médaille de l'innovation 2025 du CNRS pour avoir conçu Intact, un logiciel d'intelligence artificielle capable de détecter automatiquement les situations d'urgence dans les flux de réseaux sociaux lors de crises environnementales. Ce système analyse en temps réel des milliers de publications pour identifier les signaux critiques, appels à l'aide, signalements d'inondations, coupures de routes, noyés dans le bruit informationnel habituel. L'enjeu est majeur pour les services de secours et les autorités de gestion de crise, qui se trouvent souvent submergés d'informations contradictoires lors d'événements comme des tempêtes, des feux de forêt ou des inondations. Intact leur offre un filtre intelligent pour prioriser les interventions et orienter les ressources là où elles sont réellement nécessaires, potentiellement en sauvant des vies grâce à une réponse plus rapide. La médaille de l'innovation du CNRS, créée en 2011, récompense des recherches ayant débouché sur des applications concrètes à fort impact sociétal. Le travail d'Alda Mari s'inscrit dans un champ plus large croisant linguistique computationnelle et gestion des catastrophes naturelles, un domaine en plein essor à mesure que les crises climatiques se multiplient et que les réseaux sociaux deviennent la première source d'information terrain lors de ces événements.

Société⚒Outil

1 source

43

5357MarkTechPost 

AutoAgent : la bibliothèque open source qui permet à une IA d'optimiser son propre système d'agents

Kevin Gu, ingénieur chez thirdlayer.inc, a publié AutoAgent, une bibliothèque open source qui automatise l'optimisation des agents IA. En l'espace de 24 heures d'exécution autonome, le système a atteint la première place sur SpreadsheetBench avec un score de 96,5 %, et la meilleure performance GPT-5 sur TerminalBench avec 55,1 %. Le projet est disponible sur GitHub avec une architecture délibérément minimaliste : un fichier agent.py qui contient l'intégralité du harness sous test, un fichier program.md que l'humain édite pour donner la directive, et un journal d'expériences results.tsv maintenu automatiquement par le méta-agent pour tracer l'historique de chaque run. Le principe est simple mais radical : là où un ingénieur IA passe des journées à ajuster manuellement les prompts système, les définitions d'outils et la logique d'orchestration de son agent, AutoAgent confie cette boucle d'itération à un second agent, le méta-agent, qui lit la directive, inspecte agent.py, exécute le benchmark, analyse les échecs, réécrit les parties pertinentes et recommence. L'humain ne touche jamais agent.py directement. Ce ratchet loop, proposer une modification, mesurer le score, conserver si meilleur, rejeter sinon, est directement inspiré du projet autoresearch d'Andrej Karpathy, qui applique la même logique à l'entraînement de modèles ML. AutoAgent transpose ce mécanisme au niveau du harness : le prompt système, les outils disponibles, le routage entre sous-agents et la stratégie d'orchestration. Concrètement, toute équipe qui développe des agents complexes pourrait déléguer la phase d'optimisation la plus fastidieuse à un processus nocturne entièrement automatisé, réduisant drastiquement le temps humain consacré au réglage fin. Cette publication s'inscrit dans une tendance plus large d'automatisation de l'ingénierie IA elle-même, souvent désignée sous le terme "méta-apprentissage" ou "self-improvement". Depuis que les LLMs ont démontré leur capacité à écrire et modifier du code de manière fiable, plusieurs laboratoires et chercheurs indépendants explorent des architectures où un modèle supervise l'amélioration d'un autre, ou de lui-même. AutoAgent se distingue par sa portée pratique immédiate : il ne requiert pas d'infrastructure exotique, s'appuie sur le format Harbor pour exprimer les benchmarks, et peut être adapté à n'importe quel domaine via les dossiers tasks/ et .agent/. Les résultats sur TerminalBench et SpreadsheetBench, deux benchmarks reconnus dans la communauté, donnent une crédibilité concrète à l'approche. La question ouverte reste celle du contrôle : lorsqu'un méta-agent réécrit librement la logique d'orchestration d'un système en production, les garanties de sécurité et de prévisibilité du comportement final deviennent un enjeu non trivial que la bibliothèque n'adresse pas encore explicitement.

Outils⚒Outil

1 source

55

5358The Decoder 

Les capacités offensives de l'IA en cybersécurité doublent tous les six mois, selon des chercheurs

Les capacités offensives des modèles d'intelligence artificielle en matière de cybersécurité progressent à un rythme alarmant. Selon une étude publiée par des chercheurs en sécurité de l'IA, ces capacités doublent tous les 5,7 mois depuis 2024. Des modèles comme Opus 4.6 et GPT-5.3 Codex sont désormais capables de résoudre des tâches d'exploitation de vulnérabilités qui nécessitaient auparavant environ trois heures de travail à des experts humains chevronnés. Cette accélération représente un changement de paradigme pour l'ensemble de l'industrie de la cybersécurité. Des attaques qui exigeaient jusqu'ici des compétences pointues, du temps et des ressources humaines importantes pourraient bientôt être automatisées à grande échelle et à faible coût. Cela signifie que les organisations, des PME aux infrastructures critiques, font face à une surface d'attaque qui s'élargit plus vite que leur capacité à se défendre. La barrière d'entrée pour mener des cyberattaques sophistiquées s'effondre. Ce constat s'inscrit dans un débat plus large sur la double nature des modèles de langage avancés, à la fois outils de défense et vecteurs de menace potentiels. Depuis 2023, plusieurs laboratoires d'IA, dont Anthropic et OpenAI, ont mis en place des politiques d'évaluation des risques cybernétiques avant tout déploiement de nouveaux modèles. La progression exponentielle documentée ici renforce les arguments de ceux qui plaident pour un encadrement réglementaire strict des capacités offensives des IA, un sujet qui devrait peser lourd dans les prochaines discussions au niveau européen et américain.

Sécurité⚡Actu

1 source

41

5359MarkTechPost 

L'IA au service de la mode : quand la créativité humaine rencontre l'intelligence artificielle

Plus de 45 % des marques mondiales de prêt-à-porter ont intégré des outils de conception assistés par l'intelligence artificielle d'ici 2026, selon le rapport annuel State of Fashion publié par McKinsey. Des plateformes comme Adobe Firefly, Midjourney ou Fashion Diffusion permettent désormais aux designers de générer des planches d'inspiration, des croquis et même des prototypes 3D à partir de simples descriptions textuelles. La société parisienne Heuritech, spécialisée dans la prévision de tendances par IA, analyse simultanément des flux de données textuelles, visuelles et vidéo pour cartographier l'émergence et le déclin des micro-tendances plusieurs saisons à l'avance, là où des acteurs historiques comme WGSN travaillaient déjà sur des cycles de quatre à cinq saisons. Les marques disposent aujourd'hui de tableaux de bord en temps réel croisant retours clients et signaux de tendances, une capacité qui aurait été impensable il y a dix ans. L'impact est double : industriel d'un côté, démocratisant de l'autre. Du côté des grandes enseignes, l'IA compresse les délais de développement produit, réduit les cycles d'itération et aligne la production sur la demande réelle grâce à des modèles prédictifs, limitant ainsi la surproduction. Du côté des créateurs émergents et des étudiants, l'accès à des versions gratuites ou académiques de ces outils leur permet de construire des portfolios et de tester des concepts visuels sans les coûts prohibitifs des ateliers traditionnels. La prévision de tendances, autrefois réservée aux acheteurs qui assistaient aux défilés, est désormais alimentée par chaque influenceur connecté, accélérant un cycle où la mode se propage et se périme plus vite que jamais. La question environnementale donne à cette transformation une urgence supplémentaire. L'industrie textile est responsable de 2 à 8 % des émissions mondiales de CO2 et de 20 % des eaux usées produites dans le monde, ce qui en fait l'un des secteurs les plus polluants après l'énergie. L'IA s'attaque directement à ce problème : les modèles d'optimisation de la demande réduisent les stocks invendus, tandis que l'échantillonnage numérique diminue le gaspillage de tissu en remplaçant les prototypes physiques. Ce virage technologique intervient dans un contexte où la pression réglementaire et consumériste sur la durabilité s'intensifie, forçant une industrie structurellement conservatrice à repenser non seulement son esthétique, mais l'ensemble de sa chaîne de valeur, de l'esquisse au point de vente.

Outils⚒Outil

1 source

39

5360The Decoder 

Les chatbots IA progressent sept fois plus vite que les réseaux sociaux, mais restent quatre fois moins fréquentés

Le trafic vers les chatbots d'intelligence artificielle croît sept fois plus vite que celui des réseaux sociaux, mais reste quatre fois inférieur en volume total, selon une analyse publiée par Similarweb. Ces données portent sur les principales plateformes de conversation IA, dont ChatGPT d'OpenAI, Gemini de Google et Claude d'Anthropic, et révèlent des différences notables entre ces deux catégories de services numériques, notamment dans les habitudes d'utilisation selon les appareils et les comportements des utilisateurs. Ce rythme de croissance exceptionnel illustre l'adoption massive et rapide des outils d'IA conversationnelle par le grand public, mais l'écart de volume avec les réseaux sociaux rappelle que ces derniers restent ancrés dans le quotidien numérique de milliards de personnes. Pour les acteurs du secteur tech, cela signifie que le marché de l'IA conversationnelle est encore loin de sa maturité et que les marges de progression restent considérables. La question des usages par appareil est particulièrement stratégique : les chatbots sont aujourd'hui davantage utilisés sur ordinateur, là où les réseaux sociaux dominent sur mobile. Cette dynamique s'inscrit dans un contexte de compétition intense entre les grandes plateformes d'IA, qui multiplient les mises à jour et les nouvelles fonctionnalités pour capter des parts de marché. Les réseaux sociaux, eux, ont bénéficié de deux décennies d'intégration dans les usages quotidiens. Si la trajectoire actuelle se maintient, l'écart de trafic entre les deux catégories pourrait se réduire significativement dans les prochaines années, à mesure que l'IA s'intègre dans davantage d'applications et de flux de travail professionnels.

Société⚒Outil

1 source