Aller au contenu principal
Le Fil IA

Actualités IA — page 269

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

Interprétation des préférences humaines contextuelles pour la navigation multi-objectifs des robots
Illustration générée par IA
5361arXiv cs.RO 

Interprétation des préférences humaines contextuelles pour la navigation multi-objectifs des robots

Des chercheurs ont publié sur arXiv (2603.17510v2) une architecture permettant à un robot mobile de naviguer en environnement partagé en tenant compte des préférences exprimées en langage naturel par ses utilisateurs. Le système repose sur trois couches distinctes : un modèle vision-langage (VLM) qui analyse en continu les images de la caméra embarquée pour extraire un contexte environnemental structuré, un grand modèle de langage (LLM) qui traduit les retours verbaux des utilisateurs en règles comportementales interprétables, stockées dans une mémoire persistante et modifiable, puis un module de traduction des préférences qui convertit ces règles et ce contexte en vecteurs numériques injectés à la volée dans une politique de navigation par apprentissage par renforcement multi-objectif (MORL) préentraînée. L'évaluation couvre des déploiements réels dans plusieurs environnements intérieurs, une étude utilisateur et des mesures quantitatives par composant, sans que l'abstract précise les effectifs ni les métriques chiffrées de performance. Ce travail adresse un verrou concret pour les déploiements en milieu professionnel : aujourd'hui, un robot de livraison intérieure ou un AMR logistique optimise vitesse et sécurité selon des paramètres fixes, incapable d'adapter son comportement si un opérateur lui dit "ralentis dans la zone de picking" ou "évite le couloir principal le matin". L'architecture proposée résout ce problème sans réentraînement : la mémoire de règles est mise à jour à chaud via langage naturel, ce qui réduit dramatiquement le coût d'intégration pour un déploiement B2B. La séparation claire entre raisonnement sémantique de haut niveau (VLM/LLM) et contrôle temps-réel (MORL) est également un argument industriel sérieux, car elle permet de changer le backbone LLM sans toucher à la politique de bas niveau. Ce type d'approche s'inscrit dans une tendance académique forte depuis 2023 : l'utilisation de fondational models comme couche d'interprétation au-dessus de politiques de contrôle classiques, popularisée notamment par les travaux sur les VLA (Vision-Language-Action models) chez Google DeepMind ou Stanford. La différence ici est la persistance explicite des règles en mémoire et l'utilisation de MORL plutôt que d'une politique end-to-end, ce qui offre davantage de contrôle et de transparence. Aucun partenaire industriel ni timeline de commercialisation ne sont mentionnés, ce travail restant pour l'instant une contribution de recherche. La prochaine étape naturelle serait de valider le système sur des robots commerciaux comme le Spot de Boston Dynamics ou des AMR de Locus Robotics, et d'étendre les expériences aux environnements extérieurs ou aux contextes multi-utilisateurs.

RechercheOpinion
1 source
La valorisation de N8N double à 4,42 milliards d’euros alors que SAP accélère sur les workflows de l’IA d’entreprise
Illustration générée par IA
5362FrenchWeb 

La valorisation de N8N double à 4,42 milliards d’euros alors que SAP accélère sur les workflows de l’IA d’entreprise

La plateforme d'automatisation de workflows n8n vient de voir sa valorisation doubler pour atteindre 4,42 milliards d'euros, à la faveur d'une entrée au capital du groupe allemand SAP. L'opération s'inscrit dans une séquence d'acquisitions et de prises de participation menées par SAP en l'espace de quelques semaines seulement, ciblant des acteurs clés de la chaîne de valeur de l'intelligence artificielle d'entreprise. Après Dremio, spécialiste de la gestion des données, et Prior Labs, orienté modèles IA, n8n devient la troisième pièce du puzzle stratégique de l'éditeur de Walldorf. Cette montée au capital dépasse le cadre d'un simple investissement financier. SAP cherche à positionner ses solutions au coeur des architectures d'agents IA qui se déploient rapidement dans les grandes entreprises, un marché en pleine ébullition où la maîtrise des workflows d'orchestration est devenue un avantage compétitif décisif. Pour n8n, dont le modèle open-source a séduit des centaines de milliers de développeurs, l'adossement à SAP ouvre les portes d'un écosystème de clients grands comptes que la startup n'aurait pu atteindre seule. SAP, dont le coeur de métier reste les ERP, doit réinventer sa proposition de valeur face à la montée en puissance de Microsoft, Salesforce et ServiceNow sur le terrain de l'automatisation intelligente. En constituant rapidement un portefeuille d'actifs spécialisés autour des données, des modèles et des workflows, le groupe allemand parie sur une intégration verticale qui lui permettrait de proposer une offre IA bout en bout à ses 440 000 clients dans le monde.

BusinessOpinion
1 source
La fin du finetuning
Illustration générée par IA
5363Latent Space 

La fin du finetuning

OpenAI vient d'annoncer la dépréciation de ses API de fine-tuning, marquant un tournant symbolique pour une pratique qui fut longtemps présentée comme un pilier de l'ingénierie IA. Pendant des années, OpenAI se distinguait des grands laboratoires précisément par ce support, et d'innombrables ingénieurs vantaient la promesse d'obtenir "des performances d'o1 à prix de 4o" grâce à cette technique. La décision s'inscrit dans ce que certains observateurs appellent déjà le "massacre des side quests 2026", après l'abandon de Sora. En parallèle, Anthropic se préparerait à lever des fonds à une valorisation supérieure à celle d'OpenAI pour la première fois de son histoire, signal d'un possible renversement de hiérarchie dans le secteur. Les données de veille de cette édition couvrent la période du 11 au 12 mai 2026, avec analyse de 12 subreddits et 544 comptes Twitter. La fin du fine-tuning chez OpenAI ne signifie pas la mort de la pratique, mais elle révèle une fracture entre les usages mainstream et les acteurs de pointe. Pour 80% de l'industrie, le glissement vers les longs prompts et le prompt engineering était déjà en cours, comme Jeremy Howard l'avait anticipé dès 2023. En revanche, des entreprises comme Cursor ou Cognition, dont la levée de fonds à 25 milliards de dollars est désormais publique, ont au contraire augmenté leur recours au fine-tuning sur modèles ouverts via RLFT. Cette divergence illustre une réalité nouvelle : le fine-tuning devient une technique de haute spécialisation, réservée aux équipes disposant de l'infrastructure et des données nécessaires, tandis que le grand public se tourne vers des modèles de base de plus en plus puissants, guidés par des prompts sophistiqués comme la "Constitution" d'Anthropic. Sur le front de la recherche, les benchmarks continuent leur course vers davantage de difficulté. Soohak propose 439 problèmes mathématiques de niveau recherche, rédigés par 64 mathématiciens dont 38 enseignants-chercheurs, expressément conçus pour dépasser les olympiades classiques. Google DeepMind présente son AI Co-Mathematician, un agent de recherche asynchrone atteignant 48% sur FrontierMath Tier 4, capable de vérification formelle de théorèmes et de découverte bibliographique. GPT-5.5 aurait résolu la première tâche du ProgramBench, surpassant Opus 4.7 sur plusieurs métriques. Côté retrieval, LightOn démontre qu'un modèle de 149 millions de paramètres, Agent-ModernColBERT, peut rivaliser avec des systèmes bien plus imposants sur BrowseComp-Plus. L'ère où plus grand rimait systématiquement avec meilleur semble s'effriter, tant pour les modèles de production que pour les outils de recherche.

LLMsActu
1 source
L'accord lucratif de Cerebras avec OpenAI : une arme à double tranchant
Illustration générée par IA
5364The Information AI 

L'accord lucratif de Cerebras avec OpenAI : une arme à double tranchant

Le 24 décembre 2025, deux décisions majeures ont simultanément reconfiguré le paysage des puces pour l'intelligence artificielle. Ce soir de réveillon, Nvidia annonçait le rachat de Groq, une startup spécialisée dans l'inférence IA fondée par l'inventeur des TPU (tensor processing units) de Google, pour plusieurs milliards de dollars. Le même jour, OpenAI s'engageait contractuellement à acheter pour des milliards de dollars de puces auprès de Cerebras, le concurrent direct de Groq, révèlent des documents déposés auprès des autorités boursières américaines. Cerebras est connu pour ses wafer-scale chips, des processeurs de la taille d'une assiette capables d'exécuter des modèles d'IA à très grande vitesse. Ces deux transactions signalent un tournant dans la relation historiquement ambiguë entre Nvidia et OpenAI, et ouvrent une brèche commerciale considérable pour les startups spécialisées dans l'inférence. Alors que la demande en capacité de traitement explose, les géants du secteur cherchent à diversifier leurs fournisseurs et à réduire leur dépendance à Nvidia. Pour Cerebras, ce contrat avec OpenAI représente une validation industrielle de premier ordre, susceptible d'accélérer sa trajectoire vers une introduction en bourse. Ces événements s'inscrivent dans une compétition acharnée pour contrôler l'infrastructure d'inférence, le maillon qui permet aux modèles d'IA de répondre aux requêtes en temps réel. Nvidia domine le marché de l'entraînement, mais l'inférence reste plus contestée. En rachetant Groq, Nvidia cherche à verrouiller ce segment. OpenAI, en choisissant Cerebras, joue la carte de l'indépendance stratégique tout en obtenant des performances compétitives.

InfrastructureOpinion
1 source
Altman répond aux attaques de Musk lors d'une audition tendue
Illustration générée par IA
5365The Information AI 

Altman répond aux attaques de Musk lors d'une audition tendue

Sam Altman, PDG d'OpenAI, a témoigné mardi devant un tribunal dans le cadre du procès intenté par Elon Musk contre la société qu'ils ont cofondée ensemble en 2015. Lors de cette audience à fort enjeu, Altman a renversé la dynamique en affirmant que c'est Musk lui-même qui avait abandonné OpenAI et cherché activement à nuire à son développement. Soumis à un contre-interrogatoire agressif, le PDG a dû défendre à la fois son intégrité personnelle et sa gestion de l'organisation, dont la mission initiale est de garantir que l'IA avancée profite à l'humanité. L'affaire Musk contre OpenAI est l'un des litiges les plus médiatisés de l'industrie technologique. Musk accuse Altman d'avoir orchestré une manœuvre frauduleuse pour "voler" l'association à but non lucratif qu'ils avaient cofondée, notamment en la transformant progressivement en entité commerciale. La crédibilité d'Altman est directement en jeu : chaque réponse sous serment peut influer sur l'issue du procès et sur la légitimité publique d'OpenAI. Ce conflit s'inscrit dans une rivalité plus large entre deux visions antagonistes de l'IA. Musk, qui a quitté le conseil d'OpenAI en 2018, a depuis fondé xAI et lancé des accusations répétées contre son ancienne organisation. La transformation d'OpenAI en structure à but lucratif, accélérée par des investissements massifs de Microsoft, est au cœur des tensions. L'issue du procès pourrait avoir des répercussions sur la gouvernance des grandes organisations d'IA et sur la question de savoir qui contrôle, et au profit de qui, les technologies les plus puissantes du moment.

RégulationActu
1 source
Anthropic en négociations pour racheter une startup d'outils développeurs utilisée par OpenAI et Google
Illustration générée par IA
5366The Information AI 

Anthropic en négociations pour racheter une startup d'outils développeurs utilisée par OpenAI et Google

Anthropic est en négociations avancées pour acquérir Stainless, une startup spécialisée dans les outils pour développeurs, pour un montant d'au moins 300 millions de dollars. Fondée il y a quatre ans, Stainless propose des logiciels qui permettent aux développeurs, aux non-techniciens et aux agents IA d'accéder plus rapidement aux modèles d'intelligence artificielle. Parmi ses clients figurent Anthropic elle-même, mais aussi OpenAI et Google, trois des acteurs les plus puissants du secteur. Cette acquisition placerait Anthropic en position de contrôle direct sur une infrastructure critique que ses principaux concurrents utilisent quotidiennement. La demande pour ce type d'outils a fortement progressé avec l'essor des agents IA, ces systèmes capables d'automatiser des tâches complexes de manière autonome. Des produits comme Claude Code, le terminal de développement d'Anthropic, ou OpenClaw illustrent cette tendance : ils reposent précisément sur des couches d'abstraction que Stainless contribue à standardiser et accélérer. Le rachat illustre la course que se livrent les grands laboratoires d'IA pour contrôler non seulement les modèles, mais aussi les outils qui facilitent leur adoption. Posséder Stainless permettrait à Anthropic de façonner la manière dont les développeurs s'interfacent avec l'ensemble de l'écosystème IA, tout en disposant d'une visibilité inédite sur les usages de ses rivaux. Aucune des parties n'a commenté officiellement, mais si la transaction se confirme à 300 millions de dollars, elle marquerait l'un des rachats les plus stratégiques de l'année dans le secteur.

BusinessActu
1 source
La nouvelle idée portée par l'essor de l'IA : héberger un mini data center chez soi
Illustration générée par IA
5367Ars Technica AI 

La nouvelle idée portée par l'essor de l'IA : héberger un mini data center chez soi

La startup californienne SPAN, basée à San Francisco, a annoncé un projet inédit : installer de mini-centres de données directement chez des particuliers, sous forme de boîtiers compacts baptisés XFRA nodes. Ces appareils embarquent des GPU Nvidia RTX Pro 6000 Blackwell Server Edition refroidis par liquide, conçus pour fonctionner en silence. En échange de l'espace et de l'électricité, les propriétaires recevraient en contrepartie un accès Internet subventionné, une réduction sur leur facture d'électricité et des batteries de secours. SPAN a déjà commencé des tests pilotes et prévoit un déploiement auprès de 100 foyers d'ici la fin de l'année 2026. L'enjeu est de taille pour l'industrie de l'IA : la demande en puissance de calcul explose, mais construire de nouveaux datacenters classiques prend des années et se heurte à des obstacles réglementaires, fonciers et énergétiques considérables. En distribuant cette infrastructure dans les foyers américains, SPAN espère mobiliser rapidement des capacités de calcul dormantes sans les coûts et délais habituels. Pour les ménages, le modèle ressemble à celui des contrats d'effacement électrique ou des panneaux solaires avec revente de surplus : on cède une ressource inutilisée contre un avantage financier tangible. Chris Lander, vice-président de la division XFRA chez SPAN, résume la promesse ainsi : là où les datacenters traditionnels sont bruyants, disgracieux et font monter les prix de l'électricité dans les quartiers, l'XFRA node serait discret et rendrait l'énergie moins chère pour le foyer et la communauté. Ce type d'approche décentralisée n'est pas sans précédent, des projets comme Filecoin ou Helium ont tenté de monétiser la bande passante ou le stockage résidentiel avec des résultats mitigés. La différence ici réside dans la puissance matérielle déployée et dans l'appétit sans précédent des acteurs de l'IA pour du calcul supplémentaire. Reste à voir si les contraintes pratiques, consommation électrique résiduelle, gestion thermique, responsabilité légale des hôtes, seront surmontées à grande échelle, et si les régulateurs américains valideront ce modèle hybride entre infrastructure industrielle et usage résidentiel.

InfrastructureOpinion
1 source
Créer un agent autonome à mémoire hybride avec architecture modulaire et appel d'outils via OpenAI
Illustration générée par IA
5368MarkTechPost 

Créer un agent autonome à mémoire hybride avec architecture modulaire et appel d'outils via OpenAI

Un tutoriel technique récemment publié décrit la construction pas à pas d'un agent autonome à mémoire hybride, en s'appuyant sur l'API OpenAI et quelques bibliothèques Python open source. Le système combine deux mécanismes de recherche en mémoire : la recherche sémantique par vecteurs, via le modèle d'embedding text-embedding-3-small d'OpenAI, et la recherche par mots-clés via l'algorithme BM25, implémenté par la bibliothèque rank_bm25. Pour le raisonnement et la génération de texte, l'agent s'appuie sur gpt-4o-mini. L'architecture repose sur des interfaces abstraites Python (MemoryBackend, LLMProvider, Tool) qui séparent strictement chaque couche du système. Les résultats des deux moteurs de recherche sont ensuite fusionnés via la méthode Reciprocal Rank Fusion (RRF), une technique qui combine les classements plutôt que les scores bruts afin de produire des résultats plus robustes et équilibrés. Ce type d'architecture représente un gain concret pour les développeurs qui souhaitent doter leurs agents d'une mémoire à long terme sans recourir à des bases de données vectorielles externes comme Pinecone ou Weaviate. En stockant les souvenirs sous forme de blocs de texte avec leurs embeddings directement en mémoire vive, et en reconstruisant l'index BM25 à chaque ajout, l'agent peut retrouver des informations pertinentes même lorsqu'une requête utilise des termes exacts absents du vocabulaire sémantique, un angle mort fréquent des systèmes purement vectoriels. Pour les équipes qui développent des assistants IA, des agents de recherche ou des chatbots d'entreprise, cette approche hybride offre un compromis entre précision sémantique et rappel lexical, deux qualités rarement réunies dans un seul système léger. La mémoire persistante des agents autonomes reste l'un des grands défis non résolus du développement IA. Les grands modèles comme GPT-4o souffrent d'une fenêtre de contexte limitée et oublient ce qui dépasse quelques dizaines de milliers de tokens. Les architectures RAG (Retrieval-Augmented Generation) ont émergé pour compenser cette limite, mais la plupart des implémentations courantes misent soit sur la recherche vectorielle, soit sur les mots-clés, rarement les deux. Ce tutoriel s'inscrit dans une tendance portée par des frameworks comme LangChain, LlamaIndex ou MemGPT, qui poussent vers des agents dotés d'une mémoire modulaire et interrogeable. La prochaine étape naturelle est l'intégration d'une base de données persistante (SQLite, PostgreSQL) pour survivre aux redémarrages, et d'un mécanisme de compression sélective pour gérer la croissance de la mémoire dans le temps.

OutilsTuto
1 source
AntAngelMed : modèle médical open source de 103 milliards de paramètres, architecture MoE (activation 1/32)
Illustration générée par IA
5369MarkTechPost 

AntAngelMed : modèle médical open source de 103 milliards de paramètres, architecture MoE (activation 1/32)

Une équipe de chercheurs chinois a publié AntAngelMed, un modèle de langage médical open-source présenté comme le plus grand et le plus performant de sa catégorie. Avec 103 milliards de paramètres au total, il repose sur une architecture Mixture-of-Experts (MoE) avec un ratio d'activation de 1/32 : seuls 6,1 milliards de paramètres sont effectivement mobilisés lors du traitement d'une requête. Construit à partir de Ling-flash-2.0, un modèle de base développé par inclusionAI, AntAngelMed intègre plusieurs optimisations techniques, notamment un routage sigmoïde sans perte auxiliaire, une couche de prédiction multi-token (MTP) et un positionnement rotatif partiel (Partial-RoPE). Son entraînement se déroule en trois phases : une pré-entraînement continu sur de vastes corpus médicaux (encyclopédies, publications académiques, textes web), un affinage supervisé sur un jeu de données mêlant raisonnement général et scénarios cliniques (dialogues médecin-patient, diagnostics, cas éthiques), puis un renforcement par apprentissage via l'algorithme GRPO (Group Relative Policy Optimization), issu des travaux de DeepSeekMath. Sur GPU H20, le modèle dépasse 200 tokens par seconde, avec un contexte supporté de 128 000 tokens grâce à l'extrapolation YaRN. La performance revendiquée est frappante : avec seulement 6,1 milliards de paramètres activés, AntAngelMed rivalise selon ses créateurs avec des modèles denses d'environ 40 milliards de paramètres, soit un facteur d'efficacité de 7x. Sa vitesse d'inférence est environ 3 fois supérieure à celle d'un modèle dense de 36 milliards de paramètres. Une version quantifiée en FP8 combinée au décodage spéculatif EAGLE3 améliore encore le débit à concurrence de 32 requêtes simultanées : +71% sur le benchmark HumanEval et +45% sur GSM8K. Ces gains sont particulièrement significatifs pour des déploiements médicaux, où la rapidité de réponse et la fiabilité des informations ont un impact direct sur les décisions cliniques, et où le coût de calcul conditionne l'accessibilité des outils dans les systèmes de santé sous-dotés. Le développement d'AntAngelMed s'inscrit dans une dynamique plus large de démocratisation des IA médicales spécialisées. Jusqu'ici, les modèles de santé performants tendaient à être propriétaires ou trop gourmands en ressources pour un déploiement hospitalier étendu. L'architecture MoE, popularisée notamment par Mistral et DeepSeek, permet de contourner cette contrainte en dissociant capacité totale et coût d'inférence. La publication en open-source sur ModelScope ouvre la voie à des adaptations locales dans des contextes aux infrastructures limitées. Le recours au GRPO pour aligner le modèle sur des critères d'empathie, de sécurité et de raisonnement fondé sur les preuves reflète la maturité croissante des approches d'alignement dans le domaine médical, secteur où les hallucinations peuvent avoir des conséquences concrètes et graves.

LLMsOpinion
1 source
Vais-je m'en sortir ?" : un ado décédé après que ChatGPT lui a recommandé un mélange mortel de drogues, selon une plainte
Illustration générée par IA
5370Ars Technica AI 

Vais-je m'en sortir ?" : un ado décédé après que ChatGPT lui a recommandé un mélange mortel de drogues, selon une plainte

OpenAI fait face à un nouveau procès pour mort injustifiée après le décès de Sam Nelson, un jeune homme de 19 ans, dont les parents affirment que ChatGPT lui a conseillé de prendre une combinaison mortelle de kratom et de Xanax. La plainte, déposée au nom de Leila Turner-Scott et Angus Scott, décrit un adolescent qui utilisait le chatbot depuis le lycée comme moteur de recherche principal, au point de le considérer comme une source infaillible. Nelson aurait même assuré à sa mère que ChatGPT avait accès à « tout ce qui existe sur Internet » et qu'il « devait forcément avoir raison » lorsqu'elle remettait en question la fiabilité de l'outil. Ce cas illustre un risque concret et grave : des utilisateurs vulnérables, notamment des jeunes, accordent une confiance aveugle à des systèmes d'IA qui ne sont pas conçus pour donner des conseils médicaux ou pharmacologiques. La combinaison kratom-Xanax est connue pour ses effets dépresseurs cumulatifs sur le système respiratoire, potentiellement fatals. Si le chatbot a effectivement orienté l'utilisateur vers cette association, cela soulève des questions sérieuses sur les garde-fous intégrés dans ces modèles. OpenAI est déjà confrontée à des poursuites similaires, notamment impliquant des mineurs et des personnes en détresse psychologique. Ces affaires s'inscrivent dans un débat plus large sur la responsabilité juridique des développeurs d'IA face aux préjudices causés par leurs systèmes. Plusieurs États américains et l'Union européenne examinent actuellement des cadres réglementaires visant à imposer des obligations de sécurité plus strictes aux plateformes d'intelligence artificielle grand public.

SécuritéActu
1 source
Perceptron Mk1 présente un modèle d'analyse vidéo très performant, 80 à 90 % moins cher qu'Anthropic, OpenAI et Google
Illustration générée par IA
5371VentureBeat AI 

Perceptron Mk1 présente un modèle d'analyse vidéo très performant, 80 à 90 % moins cher qu'Anthropic, OpenAI et Google

La startup américaine Perceptron Inc. a lancé ce mois-ci son modèle d'analyse vidéo par intelligence artificielle, baptisé Mk1 (pour "Mark One"), à un prix qui bouleverse les standards du marché : 0,15 dollar par million de tokens en entrée et 1,50 dollar par million en sortie via son API. Ces tarifs représentent une réduction de 80 à 90 % par rapport aux principaux concurrents propriétaires, soit Claude Sonnet 4.5 d'Anthropic, GPT-5 d'OpenAI et Gemini 3.1 Pro de Google, ce dernier étant facturé autour de 3 dollars le million de tokens en coût combiné. Fondée il y a deux ans et pilotée par Armen Aghajanyan, ex-chercheur chez Meta FAIR et Microsoft, l'entreprise a consacré seize mois à développer une architecture multimodale conçue de zéro pour comprendre le monde physique. Sur les benchmarks de référence, Mk1 atteint 85,1 sur EmbSpatialBench, devançant le modèle Robotics-ER 1.5 de Google (78,4), et signe 72,4 sur RefSpatialBench contre seulement 9,0 pour GPT-5m et 2,2 pour Sonnet 4.5. Sur VSI-Bench, dédié au raisonnement temporel vidéo, Mk1 enregistre 88,5, le meilleur score parmi tous les modèles comparés. Ce positionnement ouvre concrètement l'analyse vidéo avancée à des usages industriels à grande échelle, jusqu'ici freinés par les coûts. Des secteurs comme la sécurité physique, la production de contenu marketing, la recherche comportementale ou le contrôle qualité en fabrication peuvent désormais envisager un déploiement massif sans budget prohibitif. La capacité du modèle à traiter des flux vidéo natifs à 2 images par seconde sur une fenêtre de contexte de 32 000 tokens, tout en maintenant la continuité temporelle des objets entre les frames, représente un bond technique par rapport aux modèles de vision classiques qui traitent la vidéo comme une succession d'images fixes déconnectées. L'analyse vidéo par IA reste aujourd'hui une niche technique dominée par quelques acteurs disposant de ressources considérables. Perceptron s'inscrit dans une tendance plus large où des startups spécialisées cherchent à attaquer des segments précis du marché des modèles fondamentaux, en ciblant ce que l'entreprise appelle la "frontière d'efficience", soit le rapport optimal entre performance et coût. Face à des géants comme Google, OpenAI et Anthropic qui développent des modèles généralistes onéreux, cette approche verticale centrée sur la compréhension du monde physique, incluant la causalité, la dynamique des objets et les lois de la physique, constitue un pari stratégique distinct. Une démo publique est disponible pour tester le modèle, et l'entreprise vise clairement les contrats enterprise à fort volume plutôt que la recherche exploratoire.

OutilsOpinion
1 source
Anthropic enrichit son offre juridique avec de nouveaux plugins Claude pour les cabinets d'avocats
Illustration générée par IA
5372The Decoder 

Anthropic enrichit son offre juridique avec de nouveaux plugins Claude pour les cabinets d'avocats

Anthropic a lancé douze nouveaux plugins pour Claude dédiés au secteur juridique, étendant considérablement ses capacités dans ce domaine. Ces intégrations couvrent des domaines aussi variés que le droit des contrats, le droit du travail et le contentieux. Parmi les connexions annoncées figurent des partenariats avec des acteurs majeurs comme Thomson Reuters via son outil CoCounsel Legal, ainsi qu'avec Harvey, la startup spécialisée dans l'IA juridique. Cette expansion répond à un constat chiffré : selon la directrice juridique d'Anthropic, les avocats font partie des professionnels qui utilisent le plus Claude, devançant presque toutes les autres catégories. Pour les cabinets d'avocats et les services juridiques d'entreprise, ces plugins représentent une opportunité concrète d'automatiser des tâches chronophages comme l'analyse de contrats, la recherche jurisprudentielle ou la préparation de dossiers de contentieux, tout en restant dans leur environnement de travail habituel. L'incursion d'Anthropic dans le secteur juridique s'inscrit dans une bataille plus large pour capter les marchés professionnels à forte valeur ajoutée. Harvey, valorisé à plusieurs centaines de millions de dollars, et Thomson Reuters, qui intègre l'IA dans ses outils Westlaw et CoCounsel depuis plusieurs années, sont déjà des acteurs établis dans ce secteur. En proposant des connexions directes avec ces plateformes plutôt qu'en les concurrençant frontalement, Anthropic adopte une stratégie de plateforme : faire de Claude le moteur sous-jacent d'un écosystème juridique en cours de transformation.

OutilsOutil
1 source
Au-delà des modèles : où les investisseurs cherchent la prochaine vague de l'IA
Illustration générée par IA
5373The Information AI 

Au-delà des modèles : où les investisseurs cherchent la prochaine vague de l'IA

Face à la concentration massive des investissements dans les modèles frontières et les infrastructures des hyperscalers, les investisseurs cherchent de nouveaux territoires où l'IA offre encore de la valeur. Dans une table ronde organisée par The Information, Alexa von Tobel, fondatrice du fonds early-stage Inspired Capital, et Alex Baker, associé chez PwC en charge des opérations TMT aux États-Unis, ont identifié les poches où le potentiel reste intact. Parmi les signaux du marché : le mois dernier, la startup Cursor a accordé à SpaceX une option de rachat à 60 milliards de dollars, illustrant à la fois l'appétit pour l'IA applicative et la fragilité croissante des positions différenciantes dans le logiciel vertical. Pour les deux investisseurs, la vraie question n'est plus de savoir si l'IA va transformer les industries, mais où les avantages concurrentiels sont durables. Von Tobel avertit que dans un monde dominé par des géants comme Google ou Microsoft, chacun avec plus d'un milliard d'utilisateurs, il est risqué de construire quelque chose qu'ils pourraient répliquer à moindre effort. Baker, lui, définit la défendabilité par trois critères : l'intégration profonde dans les environnements enterprise, la difficulté à reproduire l'infrastructure technique sous-jacente, et la confiance des clients. Il estime que la différenciation des startups d'IA verticale qui entraînent leurs propres modèles sectoriels s'érode rapidement, et que le vrai rempart se situe désormais dans la couche d'orchestration, plus difficile à reproduire que le modèle lui-même. C'est dans l'IA physique que les deux investisseurs voient le potentiel le plus solide pour les quatre prochaines années. Von Tobel cite BrightAI, une société de son portefeuille qu'elle décrit comme "Cursor pour les travailleurs d'infrastructure" : l'entreprise déploie des capteurs sur des canalisations d'eau, des poteaux téléphoniques et d'autres actifs physiques, collectant des données que personne d'autre ne capte. L'avantage est concret : retirer des centaines de milliers de capteurs collés sur des équipements serait coûteux et laborieux. Baker souligne que cette irréversibilité physique crée des barrières à l'entrée bien plus solides que celles du logiciel. Il cite également la revitalisation de secteurs comme la sécurité physique, caméras, lecteurs de badges et serrures connectées, longtemps considérés comme matures et désormais réinventés par l'IA. Quant au logiciel traditionnel, Baker reste optimiste malgré la montée des outils de "vibe coding" : dans les workflows réglementés et critiques, les coûts de migration restent un rempart efficace, d'autant qu'un futur peuplé d'agents IA actifs 24h/24 pourrait en fait accroître la demande de logiciels, pas la réduire.

BusinessOpinion
1 source
Google affirme avoir stoppé une cyberattaque de grande ampleur après qu'une IA a détecté une faille zero-day
Illustration générée par IA
5374The Decoder 

Google affirme avoir stoppé une cyberattaque de grande ampleur après qu'une IA a détecté une faille zero-day

Le Threat Intelligence Group de Google a identifié le premier cas documenté d'un attaquant ayant utilisé l'intelligence artificielle pour découvrir et exploiter une vulnérabilité zero-day. Selon Google, le groupe a réussi à détecter et neutraliser cette attaque avant qu'elle ne se propage à grande échelle. C'est une première mondiale : jusqu'ici, l'IA était soupçonnée de pouvoir accélérer la découverte de failles, mais aucun cas concret d'exploitation malveillante n'avait été formellement documenté. L'enjeu est considérable. Une vulnérabilité zero-day est une faille inconnue du fabricant, donc sans correctif disponible au moment de l'attaque. Lorsqu'elle est couplée à la puissance de l'IA pour automatiser sa découverte et son armement, la menace change de nature : ce qui prenait auparavant des semaines de travail à des équipes spécialisées peut désormais être accompli beaucoup plus rapidement et à moindre coût. Les entreprises, infrastructures critiques et gouvernements du monde entier sont potentiellement exposés à une nouvelle génération d'attaques plus rapides et plus difficiles à anticiper. Google signale par ailleurs que des groupes étatiques liés à la Chine, la Corée du Nord et la Russie utilisent déjà activement l'IA pour identifier des failles de sécurité et dissimuler du code malveillant dans leurs opérations d'espionnage ou de sabotage. Cette révélation illustre une course aux armements numériques où l'IA devient un outil central, aussi bien pour les attaquants que pour les défenseurs. Google, Microsoft et d'autres géants de la cybersécurité investissent massivement pour que leurs propres systèmes de détection restent en avance sur ces nouvelles capacités offensives.

SécuritéOpinion
1 source
Microsoft a récupéré plus du double de son investissement de 13 milliards de dollars dans OpenAI
Illustration générée par IA
5375The Information AI 

Microsoft a récupéré plus du double de son investissement de 13 milliards de dollars dans OpenAI

Microsoft a investi 13 milliards de dollars dans OpenAI sur plusieurs années, obtenant en échange un droit exclusif de revendre les modèles de langage de la startup à d'autres entreprises via son cloud Azure. Pendant trois ans, Microsoft était ainsi le seul fournisseur cloud autorisé à commercialiser GPT-4 et ses successeurs auprès des professionnels. Malgré cet avantage concurrentiel, les données révèlent que les entreprises ont acheté davantage de capacités directement auprès d'OpenAI que via Microsoft durant cette période. Selon les estimations de The Information, basées sur des documents financiers d'OpenAI et des témoignages internes, Microsoft a toutefois déjà récupéré plus du double de son investissement initial en revenus nouveaux générés par les services liés à la technologie d'OpenAI. Ce résultat illustre que la valeur du partenariat pour Microsoft dépasse largement la simple revente de modèles. L'intégration de Copilot dans Microsoft 365, Azure OpenAI Service et les outils GitHub ont tous bénéficié directement de l'accès privilégié aux modèles d'OpenAI, générant des milliards de revenus supplémentaires que la comptabilité classique ne capturait pas forcément. Ce partenariat s'est construit dans un contexte de course effrénée à l'IA générative, où Microsoft cherchait à rattraper Google sur le terrain de la recherche et des outils de productivité. La relation entre les deux entreprises reste toutefois complexe : OpenAI développe désormais ses propres offres cloud concurrentes, et l'exclusivité commerciale de Microsoft s'érode progressivement, redessinant les contours d'une alliance stratégique à plusieurs dizaines de milliards de dollars.

BusinessActu
1 source
Promesse tenue ! Muse Spark débarque dans tout l’écosystème Meta
Illustration générée par IA
5376Le Big Data 

Promesse tenue ! Muse Spark débarque dans tout l’écosystème Meta

Meta a officiellement annoncé le 12 mai 2026 le déploiement de Muse Spark, son modèle d'IA de pointe, à travers l'ensemble de ses plateformes. Facebook, Instagram, WhatsApp, Messenger, Threads et les lunettes connectées Ray-Ban Meta Smart Glasses sont désormais concernés, avec une extension prévue aux futurs modèles Oakley Meta aux États-Unis et au Canada dans les prochaines semaines. Lancé il y a moins d'un mois comme une démonstration vers la "superintelligence personnelle", Muse Spark passe donc du stade expérimental à un déploiement massif et concret. Les changements les plus visibles portent sur les conversations vocales : les utilisateurs peuvent désormais interrompre l'assistant, changer de langue ou bifurquer vers un autre sujet en cours de discussion. En parallèle, l'IA peut générer des images en temps réel et afficher des recommandations de Reels, de cartes ou de contenus Meta directement pendant l'échange. Sur Threads, il devient possible de mentionner @meta.ai dans les commentaires. Côté shopping, Muse Spark permet de rechercher des annonces Facebook Marketplace à proximité en les croisant avec des résultats web, le tout filtrable par prix, distance ou style dans une interface unifiée. Ce déploiement représente un changement de nature pour Meta AI, qui passe d'un simple chatbot à un assistant conversationnel permanent intégré dans le quotidien numérique de milliards d'utilisateurs. Pour les consommateurs, cela signifie concrètement pouvoir chercher un produit, regarder une vidéo, discuter avec l'IA et acheter sans jamais quitter l'application. Pour les annonceurs et les marques présentes sur ces plateformes, l'intégration de l'IA dans le parcours d'achat ouvre des possibilités de ciblage et de conversion sans précédent. L'analyse en temps réel via la caméra des lunettes connectées, capable d'identifier monuments, objets ou notices de montage, illustre aussi la transition vers une IA ambiante qui accompagne l'utilisateur dans le monde physique, pas seulement sur écran. Meta s'inscrit dans une course mondiale à l'intégration de l'IA générative dans les super-applications, face à Google avec Gemini dans Search et Android, ou Apple avec son évolution d'Siri. La stratégie du groupe est claire : transformer ses plateformes en un écosystème fermé où l'IA devient le liant entre contenu, commerce et communication, réduisant ainsi les raisons de quitter l'univers Meta. Muse Spark représente la brique technologique qui permet à cette vision de devenir opérationnelle à grande échelle. La vraie question qui se pose maintenant est celle de l'adoption : les utilisateurs accepteront-ils une présence aussi systématique de l'IA dans leurs interactions sociales, ou cette omniprésence finira-t-elle par générer une résistance, voire un retour vers des espaces numériques moins "assistés" ?

OutilsOpinion
1 source
Adieu Google Assistant : Gemini s’invite dans 250 millions de voitures, et vous pouvez (presque) tout lui demander
Illustration générée par IA
5377Frandroid 

Adieu Google Assistant : Gemini s’invite dans 250 millions de voitures, et vous pouvez (presque) tout lui demander

Google a officiellement enclenché le remplacement de Google Assistant par son IA générative Gemini sur Android Auto, le système d'interface automobile de la firme de Mountain View. La migration touche désormais plus de 250 millions de véhicules compatibles dans le monde, ce qui en fait la plus grande bascule logicielle jamais réalisée dans le secteur automobile. Contrairement à l'ancien assistant vocal limité à des commandes prédéfinies, Gemini permet aux conducteurs de formuler des requêtes en langage naturel : résumer des messages longs, poser des questions complexes ou obtenir des informations contextuelles sans quitter les yeux de la route. L'enjeu est considérable pour les utilisateurs comme pour l'industrie. Un assistant capable de comprendre des questions ouvertes transforme concrètement l'expérience au volant, en réduisant les frictions liées à la dictée de messages ou à la navigation vocale. Pour Google, cette migration représente aussi un levier stratégique : imposer Gemini comme couche IA standard dans l'automobile, un espace où Amazon Alexa et les assistants natifs des constructeurs se disputent déjà les usages quotidiens. Cette transition s'inscrit dans la stratégie globale de Google visant à déployer Gemini sur l'ensemble de son écosystème, des smartphones Pixel aux appareils Nest, en passant par Gmail et Google Search. Android Auto équipe aujourd'hui des véhicules de presque tous les grands constructeurs mondiaux, ce qui donne à Google un accès massif au quotidien des conducteurs. Quelques zones d'ombre subsistent toutefois, notamment sur la disponibilité des fonctionnalités hors ligne et les limites de l'assistant selon les régions ou les langues.

OutilsOutil
1 source
Gemini débarque partout sur Android : comment Google va vous aider à automatiser votre quotidien
Illustration générée par IA
537801net 

Gemini débarque partout sur Android : comment Google va vous aider à automatiser votre quotidien

Google a annoncé lors de son Google I/O 2025 le déploiement d'une série de nouvelles fonctionnalités de son assistant Gemini sur Android, visant à automatiser des tâches concrètes du quotidien directement depuis les appareils mobiles. Parmi les capacités annoncées : réserver des vacances, prendre un rendez-vous via Chrome, ou encore remplir des formulaires en ligne sans intervention manuelle. Une fonctionnalité supplémentaire permettra de transformer des notes fragmentées ou des idées brutes en textes structurés et cohérents. Ces ajouts représentent un glissement majeur vers l'IA dite "agentique", capable d'exécuter des actions multi-étapes au nom de l'utilisateur plutôt que de simplement répondre à des questions. Pour les utilisateurs Android, cela signifie une réduction significative du temps passé sur des tâches répétitives et administratives. Pour Google, c'est une façon de différencier Android face à Apple Intelligence et de justifier l'intégration profonde de Gemini dans l'écosystème mobile. Cette annonce s'inscrit dans une course accélérée entre les grands acteurs tech pour imposer leurs assistants IA comme couche centrale d'interaction avec les appareils. Apple déploie progressivement Apple Intelligence sur iOS, Microsoft intègre Copilot dans Windows, et Google tente de consolider Gemini comme système nerveux de tout l'écosystème Android. Le déploiement de ces fonctionnalités devrait s'étaler sur les prochains mois, d'abord pour les utilisateurs anglophones avant une extension internationale progressive.

OutilsOutil
Aussi surFrandroid,Le Big Data
Android reçoit une refonte majeure axée sur l'IA en 2026
Illustration générée par IA
5379Ars Technica AI 

Android reçoit une refonte majeure axée sur l'IA en 2026

À quelques jours de sa conférence annuelle Google I/O, prévue la semaine prochaine, Google a décidé d'anticiper et de dévoiler en avant-première les grandes évolutions d'Android pour les prochains mois. L'entreprise annonce un déploiement progressif de nouvelles fonctionnalités d'intelligence artificielle regroupées sous la bannière Gemini Intelligence. L'automatisation des applications constitue la pièce maîtresse de cette mise à jour : déjà testée en 2026 avec DoorDash et Uber sur les téléphones Pixel et Samsung, cette fonction s'étend désormais à des scénarios beaucoup plus complexes. Google donne deux exemples concrets : le système pourrait récupérer un programme de cours dans Gmail puis basculer automatiquement vers une application de commerce en ligne pour ajouter les livres nécessaires au panier, ou encore analyser la photo d'une brochure de voyage et réserver un séjour similaire directement via l'application Expedia. Cette évolution marque un tournant dans la manière dont les assistants IA interagissent avec les smartphones. Jusqu'ici cantonnés à des réponses textuelles ou à des actions isolées, ils deviennent capables d'enchaîner des tâches concrètes à travers plusieurs applications sans intervention de l'utilisateur. Pour les consommateurs, cela signifie déléguer des actions du quotidien, achats, réservations, organisation, à un agent qui agit en leur nom. Pour les développeurs et les commerçants, c'est une nouvelle couche d'interaction avec leurs utilisateurs qui se dessine, portée par l'infrastructure de Google plutôt que par leurs propres interfaces. Le lancement initial de l'automatisation d'applications avait été accueilli avec frustration, Google reconnaissant implicitement des lacunes en annonçant des mois de travail d'ajustement depuis. Cette annonce anticipée avant Google I/O reflète également la pression concurrentielle intense : Apple Intelligence, Microsoft Copilot et les assistants de Samsung se disputent le même terrain. En faisant de Gemini le système nerveux central d'Android, Google cherche à imposer son modèle d'IA comme standard incontournable sur plus de trois milliards d'appareils Android dans le monde, avec des partenariats applicatifs qui pourraient rapidement s'étendre bien au-delà d'Uber et DoorDash.

OutilsOutil
1 source
Gemini peut désormais contrôler votre téléphone : les nouvelles fonctionnalités clés
Illustration générée par IA
5380The Verge AI 

Gemini peut désormais contrôler votre téléphone : les nouvelles fonctionnalités clés

Google a dévoilé une série de nouvelles fonctionnalités pour son assistant Gemini lors d'un événement Android organisé en amont de sa conférence annuelle Google I/O. Présentées par Ben Greenwood, directeur des expériences Android chez Google, ces nouveautés visent à intégrer Gemini plus profondément dans l'usage quotidien du smartphone : l'assistant s'invite désormais dans Chrome sur Android, dans les suggestions de remplissage automatique, et peut interagir directement au sein des applications tierces. Google en profite pour lancer une nouvelle marque, Gemini Intelligence, destinée à regrouper les fonctionnalités les plus avancées de l'assistant sur les appareils Android haut de gamme. L'enjeu principal de cette mise à jour est de transformer Gemini en un véritable agent capable d'agir à la place de l'utilisateur sur son téléphone, pas seulement de répondre à des questions. En s'intégrant aux applications et au remplissage automatique, Gemini peut potentiellement exécuter des tâches complexes sans que l'utilisateur ait besoin de naviguer manuellement entre les écrans. Cela représente un saut qualitatif dans l'assistance mobile, particulièrement pour les utilisateurs qui délèguent de plus en plus leurs tâches numériques à l'IA. Cette annonce s'inscrit dans une compétition acharnée entre Google et Apple, qui prépare sa propre refonte d'Apple Intelligence pour iOS 19. En réservant Gemini Intelligence aux appareils Android les plus récents, Google adopte une stratégie similaire à celle d'Apple, utilisant l'IA comme argument de vente pour pousser les utilisateurs vers le renouvellement de leurs appareils. Les détails complets seront probablement précisés lors de Google I/O dans les prochains jours.

OutilsOutil
1 source