Actualités IA — page 280

7 595 articles au fil, du plus récent au plus ancien.

45

558101net 

Le code source de Claude a été divulgué par erreur, que s’est-il passé ?

Anthropic a involontairement exposé des éléments sensibles de son assistant Claude en publiant une mise à jour de Claude Code contenant un fichier permettant de reconstituer l'intégralité du code source de l'IA. L'incident a été découvert peu après le déploiement de la mise à jour, forçant la start-up californienne à réagir en urgence pour retirer le fichier incriminé. Cette fuite représente un incident majeur pour Anthropic, dont la valeur repose en grande partie sur la propriété intellectuelle de ses modèles. Le code source d'un grand modèle de langage constitue un actif stratégique de premier ordre : il révèle les choix d'architecture, les techniques d'entraînement et les optimisations qui différencient un modèle de ses concurrents. Une telle divulgation pourrait bénéficier directement à des rivaux comme OpenAI, Google DeepMind ou des acteurs open source cherchant à combler leur retard. Anthropic traverse une période de croissance intense, avec une valorisation dépassant les 60 milliards de dollars et des investissements massifs d'Amazon et Google. La sécurité opérationnelle est un enjeu critique pour les labos d'IA de pointe, qui font face à des menaces de fuites industrielles et d'espionnage. Cet incident rappelle que même les entreprises les plus avancées techniquement restent vulnérables aux erreurs humaines dans leurs processus de déploiement.

Sécurité❧Opinion

1 source

33

5582AI News 

Hershey déploie l'IA dans toute sa chaîne d'approvisionnement

Le géant américain de la confiserie Hershey Company a dévoilé lors de son Investor Day une stratégie d'intégration de l'intelligence artificielle à l'ensemble de sa chaîne d'approvisionnement. Sous la direction du PDG Kirk Tanner, l'entreprise prévoit de déployer l'IA à chaque étape de ses opérations : analyse des achats de matières premières, automatisation des usines, gestion des stocks et systèmes de fulfillment automatisés pour des assortiments personnalisés. Hershey ambitionne de construire « une chaîne d'approvisionnement plus rapide, plus intelligente et plus résiliente, portée par l'automatisation et la prise de décision assistée par l'IA ». L'entreprise souhaite également renforcer la connectivité entre ses travailleurs sur le terrain, signe que la stratégie ne se résume pas à la seule automatisation mais vise aussi une meilleure coordination interne. Ce virage marque un changement de nature dans l'utilisation de l'IA en entreprise : on passe des projets pilotes isolés à une intégration systémique dans les fonctions opérationnelles. Pour Hershey, l'enjeu est concret, les entreprises agroalimentaires font face à des fluctuations constantes des coûts d'intrants comme le cacao et le sucre, soumis aux aléas climatiques, aux flux commerciaux et aux tensions d'approvisionnement, tout en devant maintenir des livraisons ponctuelles aux distributeurs. En connectant les données de sourcing, de planification et de distribution, l'IA doit permettre de réduire les gaspillages, d'optimiser les niveaux de stocks et d'améliorer la réactivité face aux variations de la demande, saisonnière, géographique ou par catégorie de produit. Même des gains marginaux en rapidité ou en précision peuvent avoir un impact significatif à l'échelle industrielle d'un groupe comme Hershey. Hershey s'inscrit dans une tendance plus large qui traverse l'ensemble de l'industrie des biens physiques : après des années de transformations numériques centrées sur le logiciel et l'analyse de données, les entreprises manufacturières et logistiques déplacent désormais l'IA au cœur de leurs processus physiques. Cette évolution reflète la maturité croissante des outils d'aide à la décision en temps réel, capables d'agir sur des flux opérationnels et pas seulement de produire des rapports. Pour le secteur agroalimentaire en particulier, où les marges sont sous pression et les chaînes d'approvisionnement mondiales restent vulnérables aux chocs externes, l'intégration de l'IA dans les achats, la production et la distribution représente un avantage compétitif potentiel. La stratégie de Hershey devrait servir de référence pour d'autres acteurs du secteur cherchant à franchir le même cap.

Business⚡Actu

1 source

49

5583La Tribune 

500 000 lignes de code fuitent, les projets secrets d'Anthropic dévoilés

Le 31 mars 2026, une erreur de publication a exposé accidentellement le code source complet de Claude Code, l'assistant de développement phare d'Anthropic. Cette fuite représente environ 500 000 lignes de code, rendues publiquement accessibles avant d'être retirées. L'incident survient seulement quatre jours après un premier incident similaire signalé le 27 mars, suggérant une défaillance systémique dans les processus de déploiement de l'entreprise. L'exposition de ce volume de code source constitue un risque stratégique majeur pour Anthropic. Les fichiers divulgués auraient révélé des projets non annoncés autour d'agents autonomes, des systèmes capables d'agir de manière indépendante, sans supervision humaine constante. Pour une start-up dont la valeur est estimée à 350 milliards de dollars et qui se positionne comme leader de l'IA dite "sûre et responsable", cette double fuite en moins d'une semaine érode la confiance des investisseurs, partenaires et clients entreprises qui misent précisément sur sa rigueur opérationnelle. Anthropic, fondée en 2021 par d'anciens dirigeants d'OpenAI dont Dario et Daniela Amodei, a bâti sa réputation sur la sécurité et l'alignement des IA. La divulgation de projets d'agents autonomes encore non dévoilés alimentera inévitablement les débats sur la transparence des laboratoires d'IA de premier plan, à l'heure où régulateurs européens et américains scrutent de plus près leurs pratiques. La question des mesures internes de contrôle des publications de code, et des éventuelles responsabilités, risque désormais d'occuper le devant de la scène pour l'entreprise.

Sécurité❧Opinion

1 source

43

5584Frandroid 

Google veut réussir avec Veo 3.1 lite là où OpenAI a échoué avec Sora

Google a dévoilé Veo 3.1 lite, une version allégée de son modèle de génération vidéo par intelligence artificielle, destinée en priorité aux professionnels et créateurs de contenu. Contrairement aux versions précédentes positionnées sur les capacités brutes, ce nouveau modèle mise sur un équilibre entre performance et accessibilité tarifaire, un pivot stratégique explicitement assumé par la firme de Mountain View. L'enjeu est directement lié à l'échec relatif de Sora, le modèle vidéo d'OpenAI lancé avec fracas fin 2024 : malgré des démonstrations impressionnantes, Sora n'a jamais réussi à s'imposer auprès du grand public ni des professionnels, freiné par des coûts élevés, des limitations d'accès et des résultats inégaux en production réelle. Google tente d'éviter ce piège en rendant Veo 3.1 lite plus économique à l'usage, ce qui pourrait lui ouvrir les workflows de studios, agences et indépendants que Sora n'a pas su conquérir. La compétition dans la génération vidéo IA s'est considérablement intensifiée ces derniers mois, avec des acteurs comme Runway, Kling ou Pika qui occupent déjà le terrain professionnel. Google, fort de son infrastructure et de son intégration dans l'écosystème Workspace et YouTube, dispose d'un levier de distribution que ses concurrents n'ont pas. Veo 3.1 lite s'inscrit dans une stratégie plus large visant à ancrer Gemini et les outils génératifs Google dans les usages quotidiens des créateurs, avant que le marché ne se cristallise autour d'un ou deux acteurs dominants.

Création❧Opinion

1 source

48

5585Siècle Digital 

Et si plusieurs IA travaillaient ensemble pour mieux vous aider ? Microsoft tente le pari

Microsoft a dévoilé Researcher, un nouvel agent intégré à Microsoft 365 Copilot, conçu pour dépasser les capacités d'un seul modèle de langage en orchestrant plusieurs IA en parallèle. Plutôt que de s'appuyer sur un unique modèle qui répond directement, Researcher décompose les requêtes complexes en sous-tâches distribuées à différents agents spécialisés, certains pour la recherche web, d'autres pour l'analyse de données internes ou la synthèse, avant de recomposer une réponse cohérente. Cette architecture multi-agents s'inscrit dans la stratégie plus large de Microsoft pour ses outils de productivité professionnelle. L'enjeu est concret pour les entreprises clientes de Microsoft 365 : les tâches de recherche approfondie, comme la préparation d'un dossier stratégique ou l'analyse concurrentielle, nécessitent aujourd'hui plusieurs heures de travail humain. Researcher vise à produire en quelques minutes des synthèses longues et sourcées, avec un niveau de précision supérieur à ce que peut offrir un assistant conversationnel classique. C'est la différence entre poser une question à un généraliste et confier un brief à une équipe d'analystes. Cette annonce s'inscrit dans une accélération du marché des agents IA, où OpenAI (avec Deep Research), Google (avec Gemini Deep Research) et Perplexity jouent déjà des coudes. Microsoft mise sur son ancrage dans l'environnement professionnel, Teams, Outlook, SharePoint, Word, pour différencier Researcher par sa capacité à croiser sources externes et données internes d'entreprise. La course ne porte plus sur le modèle le plus puissant, mais sur l'architecture qui coordonne le mieux plusieurs cerveaux artificiels.

Outils⚒Outil

1 source

43

5586Siècle Digital 

Derrière les fruits stars de TikTok, une machine à cash pilotée par l’IA

Sur TikTok, des fruits et légumes dotés de visages expressifs et de voix émotionnelles envahissent les fils d'actualité depuis plusieurs mois, portés par des intrigues sentimentales dignes de Peaky Blinders ou de Secret Story. Ces vidéos entièrement générées par intelligence artificielle, personnages, voix, scénarios, cumulent des dizaines de millions de vues. Derrière l'apparente fantaisie, une infrastructure économique très structurée : des créateurs, souvent anonymes, utilisent des outils comme Kling AI ou Sora combinés à des générateurs de scénarios automatisés pour produire en masse des contenus à faible coût mais à fort potentiel viral. Ce modèle représente une rupture dans la façon dont le contenu digital est monétisé. Ces comptes génèrent des revenus via le Creator Fund de TikTok, mais surtout via l'affiliation et le placement de produits dissimulés dans les intrigues. Un personnage-citron qui "trahit" un ami-concombre peut, en quelques secondes, glisser un lien vers une boutique Shopify. Pour les annonceurs et les créateurs, le rapport coût-engagement est sans précédent : pas d'acteur, pas de tournage, une audience massive et un algorithme TikTok qui favorise la rétention émotionnelle. Ce phénomène s'inscrit dans une tendance plus large d'industrialisation du contenu IA sur les plateformes courtes. Des fermes de contenus automatisés opèrent désormais à grande échelle, testant formats et personnages jusqu'à trouver la formule virale. TikTok, conscient du phénomène, n'a pas encore clarifié ses règles sur l'étiquetage des contenus 100 % générés par IA, laissant un vide réglementaire que ces opérateurs exploitent activement. --- Note : l'article source était tronqué, ce résumé s'appuie sur le contexte connu du phénomène.

Société❧Opinion

1 source

47

5587The Decoder 

OpenAI confirme officiellement sa méga-levée de fonds et la super-app ChatGPT

OpenAI a officiellement confirmé une levée de fonds de 122 milliards de dollars, portant sa valorisation à 852 milliards de dollars, un record absolu pour une entreprise privée dans le secteur technologique. Simultanément, la société a dévoilé le « ChatGPT Super App », une application tout-en-un qui ambitionne de centraliser de nombreux usages numériques au sein d'une seule interface. Ce financement colossal signale un virage stratégique assumé vers l'entreprise : OpenAI ne se positionne plus seulement comme un laboratoire de recherche, mais comme un acteur commercial à grande échelle. Le Super App vise à fidéliser des centaines de millions d'utilisateurs en consolidant messagerie, recherche, création de contenu et automatisation dans un écosystème propriétaire, à la manière de WeChat en Chine. Cette annonce intervient alors qu'OpenAI fait face à une concurrence croissante d'Anthropic, Google Gemini et des modèles open source comme DeepSeek. La transformation en société à but lucratif, entamée fin 2024, ouvre la voie à ces méga-levées et prépare un éventuel appel public à l'épargne. Avec près d'un trillion de dollars de valorisation en ligne de mire, OpenAI joue désormais dans la cour des géants technologiques établis.

Business⚡Actu

1 source

46

5588Presse-citron 

Vous pouvez investir dans OpenAI avant son introduction en Bourse : les premiers particuliers ont sauté sur l’occasion d’une méga levée de fonds

OpenAI a ouvert pour la première fois sa levée de fonds à des investisseurs individuels, marquant une étape inédite dans l'histoire de la startup la plus valorisée de la Silicon Valley. Jusqu'ici réservées aux fonds de capital-risque et aux institutionnels, les parts de l'entreprise créatrice de ChatGPT sont désormais accessibles à des particuliers dans le cadre d'un tour de financement dont le montant dépasse les précédents records. Dès l'annonce, des investisseurs retail ont saisi l'opportunité, témoignant d'un appétit fort pour un accès anticipé à ce qui pourrait devenir l'une des plus grandes introductions en Bourse de la décennie. Cette ouverture représente un signal fort : elle élargit la base d'actionnaires d'OpenAI bien au-delà des initiés, tout en générant une visibilité grand public rare pour une société encore privée. Pour les particuliers, c'est une occasion de prendre position avant une IPO qui s'annonce massive, et potentiellement très lucrative. Pour OpenAI, cela permet de diversifier ses sources de financement et de construire une communauté d'actionnaires engagés, stratégie classique des entreprises tech en phase pré-cotation. Ce virage intervient dans un contexte où OpenAI communique activement sur sa croissance exceptionnelle et annonce de nouveaux développements majeurs pour ChatGPT, autant d'éléments destinés à séduire les marchés avant une éventuelle entrée en Bourse. La société, qui a levé des dizaines de milliards de dollars depuis sa création, fait face à une concurrence accrue de Google, Anthropic et des acteurs chinois comme DeepSeek. La préparation d'une IPO permettrait de consolider ses ressources dans une course à l'IA générative qui exige des investissements colossaux en infrastructures et en talent. --- Note : le texte source fourni étant un titre et un chapeau, certains détails chiffrés (montant exact, valorisation, conditions d'accès) n'étaient pas disponibles, fournis le corps de l'article pour une version plus précise.

Business❧Opinion

1 source

43

5589Blog du Modérateur 

ChatGPT peut désormais vous localiser pour de meilleures recommandations

OpenAI a commencé à déployer une nouvelle fonctionnalité de partage de localisation dans ChatGPT, permettant à l'assistant d'accéder à la position géographique précise de l'appareil de l'utilisateur. Concrètement, lorsqu'un utilisateur pose une question nécessitant un contexte local, recommandations de restaurants, météo, événements à proximité, horaires de commerces, ChatGPT peut désormais utiliser ces coordonnées en temps réel plutôt que de se fier à une ville déclarée manuellement ou à des indices textuels. Cette évolution change substantiellement l'utilité de ChatGPT pour les requêtes du quotidien. Jusqu'ici, l'assistant devait demander à l'utilisateur de préciser sa localisation, introduisant une friction qui le désavantageait face à des assistants vocaux comme Siri ou Google Assistant, nativement intégrés au système. Avec l'accès GPS, ChatGPT peut concurrencer directement ces outils sur le terrain des usages locaux et mobiles. Cette fonctionnalité s'inscrit dans une stratégie plus large d'OpenAI visant à transformer ChatGPT en assistant personnel polyvalent, capable de répondre à des besoins contextuels sans configuration préalable. La question de la confidentialité reste centrale : OpenAI devra préciser comment ces données de localisation sont stockées, utilisées et si elles alimentent l'entraînement des modèles, un sujet sensible à l'heure où les régulateurs européens scrutent de près les pratiques des grands acteurs de l'IA.

Outils⚒Outil

1 source

44

5590La Tribune 

A Wuhan, une flotte de robotaxis paralysée en pleine circulation

Plusieurs robotaxis de Baidu se sont immobilisés simultanément en pleine circulation à Wuhan, créant des embouteillages et obligeant les passagers à quitter les véhicules en attente d'intervention humaine. L'incident, filmé et largement partagé sur les réseaux sociaux chinois, a touché des véhicules du service Apollo Go, la branche de mobilité autonome du géant technologique qui opère déjà des milliers de trajets quotidiens dans plusieurs grandes villes chinoises. La panne collective soulève des questions concrètes sur la robustesse des systèmes en conditions réelles : une défaillance simultanée sur plusieurs véhicules suggère un problème d'infrastructure centralisée, réseau, serveur ou mise à jour logicielle, plutôt qu'une panne mécanique isolée. Pour les autorités de régulation et les usagers, c'est un rappel que le passage à l'échelle de la conduite autonome expose des points de défaillance systémiques absents des véhicules conventionnels. Baidu est l'un des leaders mondiaux du robotaxi, avec une licence d'exploitation sans conducteur de sécurité à bord dans plusieurs zones de Wuhan et Chengdu. L'entreprise vise une expansion agressive alors que la concurrence avec Waymo (Alphabet) et les acteurs locaux comme Pony.ai s'intensifie. Cet incident intervient à un moment sensible pour le secteur : les régulateurs chinois examinent de près les conditions d'élargissement des licences, et tout incident visible risque de freiner l'approbation de nouveaux corridors d'exploitation.

Robotique⚡Actu

1 source

47

5591Numerama 

Forum InCyber 2026 : pourquoi bloquer l’IA en entreprise est une erreur stratégique

Le Forum InCyber 2026 a mis en lumière une tension croissante au sein des entreprises françaises face à l'usage non encadré de l'intelligence artificielle. À l'occasion de cet événement dédié à la cybersécurité, le média Numerama a approfondi les débats autour du phénomène dit de « Shadow AI », soit l'utilisation par les employés d'outils d'IA grand public sans validation ni supervision de leur organisation. Deux questions centrales ont structuré ces échanges : quelle stratégie les entreprises doivent-elles adopter, et qui porte la responsabilité juridique en cas de fuite de données sensibles ? La tentation du blocage total est forte, mais elle est présentée comme une erreur stratégique majeure. Interdire l'IA revient à pousser les usages dans l'ombre plutôt qu'à les encadrer, ce qui aggrave précisément le risque que l'on cherche à éviter. Les employés continuent d'utiliser ChatGPT, Claude ou d'autres outils sur leurs appareils personnels, parfois en y copiant des documents confidentiels, sans que l'entreprise en ait connaissance ni contrôle. Le Forum InCyber s'inscrit dans un contexte où la directive NIS2 et le règlement européen sur l'IA imposent de nouvelles obligations aux organisations. Plutôt que l'interdiction, les experts plaident pour une gouvernance active : cartographier les usages existants, définir des outils approuvés, former les équipes, et établir des politiques claires de responsabilité. La question n'est plus de savoir si les employés utilisent l'IA, mais comment l'entreprise choisit, ou non, de s'en emparer.

Sécurité⚖Reglementation

1 source

48

5592MarkTechPost 

Hugging Face publie TRL v1.0 : une suite unifiée pour l'entraînement post-initial (SFT, DPO, GRPO)

Hugging Face a officiellement publié TRL (Transformer Reinforcement Learning) v1.0, marquant le passage de cette bibliothèque d'un outil de recherche expérimental à un framework stable et prêt pour la production. Cette version unifie l'ensemble du pipeline de post-entraînement, la séquence Supervised Fine-Tuning (SFT), Reward Modeling et alignement, sous une API standardisée et cohérente. Concrètement, les développeurs disposent désormais d'une interface en ligne de commande dédiée, d'un système de configuration unifié basé sur des fichiers YAML, et d'une suite élargie d'algorithmes d'alignement incluant DPO, GRPO, KTO et ORPO. Une simple commande comme trl sft --modelnameor_path meta-llama/Llama-3.1-8B suffit désormais à lancer un entraînement complet, là où il fallait auparavant écrire des centaines de lignes de code personnalisé. Cette standardisation change concrètement la donne pour les équipes d'ingénierie qui travaillent sur des modèles de langage. Le post-entraînement, cette phase où l'on affine un modèle de base pour qu'il suive des instructions, adopte un ton particulier ou développe des capacités de raisonnement, était jusqu'ici souvent traité comme un art obscur, réservé aux équipes de recherche disposant de ressources importantes. TRL v1.0 démocratise ce processus : les classes de configuration comme SFTConfig ou GRPOConfig héritent directement de transformers.TrainingArguments, assurant une compatibilité totale avec l'écosystème Hugging Face. L'intégration native avec Accelerate permet de passer d'un GPU local à un cluster multi-nœuds en FSDP ou DeepSpeed sans modifier le code. Le support natif de LoRA et QLoRA via PEFT rend le fine-tuning de modèles à plusieurs milliards de paramètres accessible sur du matériel grand public ou d'entreprise de gamme intermédiaire. TRL existe depuis plusieurs années comme référence dans la communauté de recherche sur l'alignement des LLMs, mais son API fragmentée et son manque de stabilité en freinaient l'adoption industrielle. La version 1.0 intervient dans un contexte où le post-entraînement est devenu un avantage compétitif central : des modèles comme DeepSeek-R1 ou les versions récentes de LLaMA ont démontré que la phase d'alignement, notamment via GRPO, qui élimine le modèle critique pour réduire l'empreinte mémoire, peut transformer radicalement les capacités d'un modèle de base. En unifiant PPO, DPO, GRPO, KTO et ORPO dans un seul framework documenté, Hugging Face positionne TRL comme l'infrastructure standard du fine-tuning open source, face aux solutions propriétaires des grands laboratoires. Les prochaines étapes devraient inclure une intégration plus poussée avec le Hub Hugging Face pour la gestion des expériences et des artefacts d'entraînement.

LLMs⚒Outil

1 source

44

5593ZDNET FR 

Anthropic publie par erreur le code de son outil pour développeurs : ce qu'il faut savoir

Anthropic, la startup californienne fondatrice de l'assistant Claude, a reconnu avoir publié par inadvertance une partie substantielle du code source de Claude Code, son outil de développement en ligne de commande. L'incident, confirmé par l'entreprise, concerne des fichiers appartenant au cœur de l'outil, dont le fonctionnement était jusqu'alors tenu secret pour protéger les avantages compétitifs d'Anthropic face à des rivaux comme OpenAI ou Google DeepMind. La divulgation, bien qu'involontaire, soulève des questions sensibles sur la propriété intellectuelle et la confidentialité des systèmes d'IA commerciaux. Anthropic a indiqué qu'aucune faille de sécurité directe n'avait été identifiée pour ses utilisateurs, mais l'exposition du code permet potentiellement à des concurrents ou à des acteurs malveillants d'analyser les mécanismes internes de l'outil et d'identifier des vulnérabilités futures. Cet épisode illustre une tension croissante dans le secteur : la course effrénée au déploiement de nouveaux produits d'IA raccourcit les cycles de validation et augmente le risque d'erreurs opérationnelles. Anthropic, valorisée à plusieurs dizaines de milliards de dollars après ses dernières levées de fonds, n'est pas la première entreprise d'IA à subir ce type d'incident, une tendance qui pousse l'industrie à repenser ses protocoles de gestion du code propriétaire.

Business⚡Actu

1 source

20

5594Blog du Modérateur 

Anthropic passe aux aveux : « Claude est en réalité une vraie personne »

Le contenu de l'article fourni se limite à une phrase d'accroche, impossible d'écrire un résumé de 150-200 mots sans matière. Cela dit, vu la date du jour (1er avril 2026), je soupçonne fortement qu'il s'agit d'un poisson d'avril. Tu veux que je : 1. Rédige un article fictif humoristique dans le style demandé, en jouant le jeu du canular 2. Attende que tu colles le vrai contenu de l'article si tu as accès au texte complet

Société❧Opinion

1 source

42

5595Le Big Data 

OpenAI veut cacher ce chiffre : devinez combien l’IA a ajouté à l’économie

Malgré 410 milliards de dollars investis dans l'intelligence artificielle en 2025 aux États-Unis, les effets concrets sur l'économie américaine restent introuvables dans les données macroéconomiques. Goldman Sachs a officiellement revu sa position : ses analystes estiment désormais que l'IA n'a eu aucun impact visible sur la croissance américaine jusqu'à cette date. Brian Peters, ancien régulateur de la Réserve fédérale de New York, partage ce constat, impressionné par les capacités technologiques, il juge les retombées économiques à court terme impossibles à démontrer. Des chercheurs du Bureau national de la recherche économique parlent même d'un « paradoxe de la productivité » : les bénéfices perçus par les entreprises dépassent largement ceux que l'on peut mesurer dans les statistiques officielles. Dario Perkins, spécialiste macroéconomique chez TS Lombard, résume la situation sans détour : « Rien ne permet d'affirmer que son déploiement a réellement dopé la productivité ou pesé sur l'emploi aux États-Unis. » Ce décalage entre dépenses massives et résultats mesurables s'explique par deux phénomènes structurels. D'abord, une question géographique : quand une entreprise américaine achète des semi-conducteurs fabriqués à Taïwan, l'essentiel de l'impact économique bénéficie à ce pays, pas aux États-Unis. Ensuite, une question de diffusion : accélérer le travail d'un employé individuel ne transforme pas automatiquement les chaînes d'approvisionnement entières. Les gains restent confinés à l'intérieur des entreprises, sans se propager à l'économie globale. Ce constat est d'autant plus frappant qu'en 2025, même les analystes les plus prudents estimaient que l'IA soutenait au moins marginalement la croissance du PIB, une position que beaucoup abandonnent aujourd'hui. Aaron Chatterji, économiste en chef d'OpenAI, défend pourtant une lecture différente. Pour lui, l'IA s'inscrit dans la lignée de technologies de rupture comme l'électricité ou Internet, dont les effets macroéconomiques n'ont été visibles que des années après leur déploiement massif. Les entreprises doivent d'abord réorganiser leurs processus, repenser leurs modes de travail et déployer l'IA à grande échelle avant que les gains n'apparaissent dans les données officielles. Une étude de McKinsey abonde dans ce sens, estimant que l'IA pourrait injecter des milliers de milliards de dollars dans l'économie mondiale d'ici 2030. Le marché semble pour l'instant parier sur ce scénario optimiste : les investissements pourraient atteindre 660 milliards de dollars en 2026 selon le Financial Times. Mais l'impatience grandit chez les analystes, et la question qui s'impose est simple : à quel moment les chiffres devront-ils enfin confirmer les promesses ?

Société❧Opinion

1 source

41

5596MarkTechPost 

Google AI publie Veo 3.1 Lite : génération vidéo rapide et économique via l'API Gemini

Google a lancé Veo 3.1 Lite, un nouveau palier de son portefeuille de génération vidéo par IA, désormais disponible via l'API Gemini et Google AI Studio pour les utilisateurs en abonnement payant. Ce modèle se distingue par son positionnement tarifaire agressif : il offre la même vitesse de génération que le modèle Veo 3.1 Fast existant, mais à environ moitié moins cher. Concrètement, la génération en 720p est facturée 0,05 dollar par seconde, et 0,08 dollar par seconde en 1080p, des tarifs qui contrastent avec les plusieurs dollars par minute couramment pratiqués sur le marché de la vidéo IA haute qualité. Le modèle prend en charge des clips de 4, 6 ou 8 secondes, aux formats 16:9 et 9:16, avec une résolution maximale de 1080p (contrairement au Veo 3.1 flagship qui monte jusqu'au 4K). Il reconnaît également des directives cinématographiques précises dans les prompts, comme les instructions de panoramique, d'inclinaison ou d'éclairage. Pour les développeurs qui construisent des applications à fort volume, génération dynamique de publicités, automatisation de contenus pour les réseaux sociaux, prototypage itératif, le coût a longtemps constitué le principal frein à l'adoption industrielle de la vidéo générative. En divisant approximativement la facture par deux sans sacrifier la latence, Google ouvre la voie à des cas d'usage jusqu'ici économiquement inviables. L'intégration passe par l'API Gemini en REST ou gRPC, compatible avec les stacks Python et Node.js existants, ce qui réduit la friction d'adoption pour les équipes déjà dans l'écosystème Google. Chaque vidéo générée intègre également SynthID, le filigrane numérique invisible développé par Google DeepMind : imperceptible à l'œil nu, il reste détectable par des logiciels spécialisés, ce qui répond aux exigences croissantes de traçabilité du contenu synthétique. Sur le plan technique, Veo 3.1 Lite repose sur une architecture Diffusion Transformer (DiT), qui supplante les approches U-Net traditionnelles en traitant les frames vidéo non pas comme des images 2D statiques, mais comme des séquences de tokens dans un espace latent compressé. L'auto-attention appliquée à ces patches spatio-temporels améliore la cohérence temporelle, objets, lumières et textures restent stables tout au long du clip, un problème récurrent des modèles antérieurs. En opérant dans l'espace latent plutôt que dans l'espace pixel, le modèle contient l'empreinte mémoire et évite l'explosion du temps de calcul lors du passage en haute définition. Ce lancement s'inscrit dans une course à la démocratisation de la vidéo IA où Google, face à Sora d'OpenAI et Runway, cherche à consolider sa position en ciblant explicitement les développeurs plutôt que les créatifs, en faisant de la scalabilité économique son principal argument différenciateur.

Création❧Opinion

1 source

50

5597ZDNET FR 

Levée record de 122 milliards pour OpenAI : l'introduction en Bourse est lancée.

OpenAI a finalisé la plus grande levée de fonds de l'histoire de la tech privée, bouclant un tour de table de 122 milliards de dollars qui porte sa valorisation à 852 milliards. La transaction, menée par SoftBank à hauteur de 40 milliards, propulse la société fondée par Sam Altman dans une catégorie à part, loin devant tous les autres acteurs de l'IA générative. Ce financement exceptionnel s'accompagne d'une annonce claire : une introduction en Bourse est désormais en préparation. Avec près de 900 milliards de valorisation, OpenAI rejoint le club très restreint des entreprises les plus valorisées au monde avant même d'être cotée. L'enjeu est de taille pour l'ensemble de l'industrie : cette levée légitime les multiples stratosphériques du secteur IA et va probablement accélérer la consolidation du marché, où les acteurs sans accès à des capitaux massifs risquent d'être distancés. Pour les entreprises clientes, le signal envoyé est celui d'une pérennité garantie, un argument commercial direct face aux inquiétudes sur la viabilité financière d'OpenAI. Cette opération intervient alors qu'OpenAI traverse une transformation profonde de son modèle. La société accélère son pivot vers une « super-application » agentique, capable d'agir de façon autonome au nom des utilisateurs, et rationalise son catalogue de produits pour séduire les grands comptes. Depuis deux ans, la firme brûle des milliards en coûts d'infrastructure tout en cherchant la rentabilité ; l'IPO à venir imposera une discipline financière nouvelle, sous le regard des marchés publics et de ses nouveaux actionnaires institutionnels.

Business❧Opinion

1 source

34

5598Blog du Modérateur 

« L’IA ne signe pas la fin du métier » : l’analyse et les conseils d’un développeur web freelance

Jonathan Boyer, développeur web full stack freelance, dresse pour le Blog du Modérateur un état des lieux sans complaisance du secteur en 2026. Dans un contexte où l'intelligence artificielle bouleverse les pratiques et où le marché du freelance s'est durci, il estime que la profession reste viable, à condition d'accepter que le chemin vers l'indépendance soit plus long et plus sélectif qu'il ne l'était il y a cinq ans. Contrairement aux discours alarmistes, Boyer ne voit pas dans l'IA une menace existentielle pour les développeurs, mais un outil qui transforme les attentes des clients et rehausse le niveau d'exigence. Les tâches répétitives sont de plus en plus automatisées, ce qui pousse les professionnels à monter en compétence sur l'architecture, le conseil et la relation client, des dimensions que l'IA ne remplace pas. Son conseil central pour se lancer en 2026 : ne pas brûler les étapes. Le marché récompense désormais les profils capables de combiner expertise technique solide et capacité à cadrer un projet de bout en bout. La patience n'est plus une vertu optionnelle, c'est une condition d'entrée dans un secteur qui a achevé sa mue.

Société❧Opinion

1 source

50

5599FrenchWeb 

OpenAI scénarise son IPO et conclut son tour sur un cliffhanger à 852 milliards de dollars

OpenAI vient de boucler son dernier tour de financement à une valorisation de 852 milliards de dollars, un record absolu pour une entreprise privée dans le secteur technologique. Ce tour, piloté par Sam Altman avec une précision narrative remarquable, intervient quelques mois avant une introduction en bourse attendue pour la fin de l'année 2026. Le montant exact levé n'a pas été divulgué, mais la valorisation place OpenAI au rang des entreprises les plus précieuses au monde, devant des géants établis depuis des décennies. Cette valorisation stratosphérique n'est pas anodine : elle conditionne directement les termes de l'IPO à venir et verrouille les attentes des investisseurs institutionnels. À 852 milliards, OpenAI se positionne pour viser le trillion de dollars en bourse, un seuil symbolique que seuls Apple, Nvidia, Microsoft et quelques autres ont franchi. Pour les acteurs de l'IA, startups, investisseurs, concurrents, ce chiffre envoie un signal fort sur la prime accordée au leadership dans ce secteur, et renforce la pression sur Anthropic, Google DeepMind et Meta pour justifier leurs propres valorisations. Ce tour de table s'inscrit dans une transformation structurelle d'OpenAI, en cours depuis 2024 : la société a entamé sa conversion de statut à but non lucratif vers une structure commerciale classique, condition sine qua non d'une cotation en bourse. Sam Altman orchestre chaque étape comme un récit feuilletonnant, tours de table, restructurations, annonces produits, pour maintenir l'élan narratif et les valorisations. L'IPO, si elle aboutit, serait l'une des plus importantes de la décennie dans la tech.

Business❧Opinion

1 source

45

5600MarkTechPost 

Liquid AI publie LFM2.5-350M : un modèle compact de 350 millions de paramètres entraîné sur 28 000 milliards de tokens avec apprentissage par renforcement

Liquid AI a publié LFM2.5-350M, un modèle de langage de 350 millions de paramètres entraîné sur 28 000 milliards de tokens, soit un ratio tokens/paramètres de 80 000 pour 1, un record dans cette catégorie de taille. Contrairement aux architectures Transformer classiques, ce modèle repose sur une structure hybride appelée LIV (Linear Input-Varying Systems) : 10 blocs de convolution LIV à double gating et 6 blocs d'attention GQA (Grouped Query Attention). Cette combinaison permet de gérer une fenêtre de contexte de 32 768 tokens tout en maintenant une empreinte mémoire extrêmement réduite, 169 Mo sur un Snapdragon 8 Elite, 81 Mo sur GPU Snapdragon, et 300 Mo sur Raspberry Pi 5. Sur GPU NVIDIA H100, le modèle atteint 40 400 tokens générés par seconde en forte concurrence. Aux benchmarks, il affiche 76,96 sur IFEval (suivi d'instructions), 30,64 sur GPQA Diamond et 20,01 sur MMLU-Pro. Ce modèle s'adresse directement au marché de l'IA embarquée : appareils mobiles, systèmes edge, IoT, environnements à ressources contraintes. Sa capacité à tourner en moins de 300 Mo de RAM le rend déployable sans cloud, sans GPU serveur, directement sur l'appareil de l'utilisateur final. Pour les développeurs qui construisent des agents autonomes, des pipelines d'extraction de données structurées (JSON, appels de fonctions) ou des systèmes de traitement d'instructions complexes, le LFM2.5-350M offre une vitesse d'inférence difficile à atteindre avec des modèles deux fois plus grands. En revanche, Liquid AI est explicite : ce modèle n'est pas recommandé pour les mathématiques avancées, le code complexe ou l'écriture créative, domaines où la densité de paramètres reste déterminante. Liquid AI, startup fondée par des chercheurs du MIT spécialisés dans les réseaux neuronaux liquides, s'inscrit dans un courant croissant qui remet en question le dogme du « toujours plus grand ». Alors que les grands acteurs, OpenAI, Google, Anthropic, continuent de pousser des modèles frontier aux milliards de paramètres, une contre-tendance émerge autour de la densité d'intelligence : faire mieux avec moins, en optimisant radicalement le ratio données/paramètres et l'architecture elle-même. L'abandon partiel du mécanisme d'attention au profit de systèmes LIV réduit le problème du cache KV qui pénalise les Transformers sur les longues séquences. Cette approche ouvre la voie à une IA véritablement locale, souveraine et déployable sans dépendance à l'infrastructure cloud, un enjeu stratégique croissant dans un contexte de régulation des données et de souveraineté numérique.

LLMs❧Opinion

1 source