Actualités IA — page 289

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

45

Illustration générée par IA

5761The Information AI 

Cursor maintient ses distances avec xAI malgré leur partenariat

Malgré une offre de rachat conditionnelle de 60 milliards de dollars soumise par SpaceX le mois dernier, Cursor ne prévoit pas de collaborer avec la division IA de SpaceX, xAI, pour développer de nouveaux modèles de code. Selon une source proche de la stratégie de l'entreprise, la startup spécialisée dans l'assistance au développement logiciel reste concentrée sur l'amélioration de son propre modèle, Composer, qui repose en partie sur le modèle chinois Kimi. Cursor n'a pas non plus l'intention d'orienter ses utilisateurs vers Grok, le modèle d'xAI, lorsqu'ils choisissent quel système d'IA doit alimenter leur expérience de codage. Aujourd'hui, les trois modèles principaux qui propulsent les produits Cursor sont Composer, Claude d'Anthropic et Codex d'OpenAI. Ce positionnement envoie un signal clair sur l'état réel des capacités de Grok en matière de codage. Si Cursor, l'un des outils de développement assisté par IA les plus utilisés au monde, ne juge pas utile d'intégrer Grok dans son offre principale même après une acquisition potentielle par SpaceX, cela suggère que le modèle d'Elon Musk n'est pas encore compétitif face à Claude ou Codex sur cette tâche précise. Pour les développeurs, cela signifie que la qualité des suggestions de code reste liée à Anthropic et OpenAI, deux acteurs extérieurs à l'orbite SpaceX. Le rachat de Cursor par SpaceX, s'il se confirme, serait l'une des acquisitions les plus importantes du secteur IA cette année. Les concurrents de Cursor avaient anticipé une intégration rapide avec xAI, ce qui aurait pu redistribuer les cartes dans la course aux outils de développement. La prudence de Cursor illustre une tension plus large dans l'écosystème IA : les entreprises rachetées par des conglomérats technologiques cherchent à préserver leur indépendance technique et la confiance de leurs utilisateurs, quitte à ignorer les actifs IA du futur acquéreur.

Business❧Opinion

1 source

54

Illustration générée par IA

5762The Information AI 

SAP cherche à bloquer OpenClaw et les autres agents IA non autorisés

SAP, le géant allemand des logiciels d'entreprise valorisé à 200 milliards de dollars, a publié le mois dernier un document de politique interne avertissant ses clients qu'il pourrait leur interdire d'utiliser des agents d'intelligence artificielle externes pour accéder aux données stockées dans ses applications, sans validation officielle de l'entreprise. Le document ne cible pas nommément d'outils spécifiques, mais la restriction s'appliquerait aussi bien aux agents développés par des concurrents comme Salesforce et ServiceNow qu'à des outils tiers comme OpenClaw. Cette décision illustre une tension croissante dans l'écosystème des logiciels d'entreprise : les éditeurs historiques craignent que leurs clients ne court-circuitent leurs propres offres d'IA en s'appuyant sur des agents externes pour interroger des données sensibles. Pour SAP, l'enjeu est double : préserver le contrôle sur son infrastructure et s'assurer que l'accès aux données passe par ses propres outils certifiés, vraisemblablement contre rémunération ou dans le cadre de contrats encadrés. Cette démarche s'inscrit dans un contexte plus large où les agents IA autonomes commencent à s'imposer dans les workflows d'entreprise, soulevant des questions de sécurité, de conformité et de souveraineté des données. Contrairement à d'autres éditeurs qui adoptent une posture plus ouverte face à l'interopérabilité, SAP choisit de poser des barrières dès maintenant, avant que l'usage de ces agents ne devienne incontrôlable. La réaction des clients et des acteurs tiers comme OpenClaw reste à observer, mais le signal envoyé par un acteur de cette taille pourrait faire école dans le secteur.

Business❧Opinion

1 source

44

Illustration générée par IA

5763MIT Technology Review 

L'IA adaptée aux besoins du secteur de la santé

Le marché de la santé est devenu l'une des cibles prioritaires des développeurs d'intelligence artificielle, attirés par l'ampleur des défis du secteur : pressions financières, pénuries de personnel soignant et vieillissement accéléré de la population. La FDA américaine a approuvé à ce jour plus de 1 300 dispositifs médicaux intégrant de l'IA, dont plus de la moitié au cours des trois dernières années, les premières homologations remontant à 1995. La grande majorité concerne l'interprétation d'images diagnostiques, mais des applications non radiologiques couvrent déjà des usages aussi variés que le suivi de l'apnée du sommeil, l'analyse des rythmes cardiaques ou la planification de chirurgies orthopédiques. En parallèle, des outils non réglementés comme dispositifs médicaux, gestion des plannings, coordination administrative, se multiplient à un rythme encore plus rapide et difficile à quantifier. L'enjeu dépasse largement la clinique. Un sondage récent auprès de responsables technologiques du secteur révèle que 72 % d'entre eux classent la réduction de la charge des soignants et l'amélioration de leur satisfaction comme priorité absolue pour l'IA, devant les applications cliniques directes. Plus de 53 % citent l'efficacité des flux de travail. Ces outils remplacent concrètement des tableaux blancs et des post-it pour coordonner des processus complexes, et leur impact potentiel sur les systèmes de santé pourrait surpasser celui des usages médicaux purs. Mais le risque est réel : 77 % des mêmes responsables considèrent que l'immaturité des outils IA constitue un obstacle majeur à leur adoption, car une application mal conçue ou insuffisamment validée peut mettre les patients en danger, même indirectement. C'est dans ce contexte que les partenariats entre prestataires de santé et développeurs de logiciels s'imposent comme la stratégie dominante. Selon une étude McKinsey, 61 % des organisations de santé prévoient de collaborer avec des fournisseurs tiers pour développer des solutions d'IA générative sur mesure, plutôt que de les construire en interne ou d'acheter des produits standardisés. Des plateformes comme Mayo Clinic Platform, qui accompagne le déploiement de solutions numériques en s'appuyant sur des données cliniques et une validation experte, incarnent ce modèle. Steve Bethke, vice-président du marché des développeurs de solutions chez Mayo Clinic Platform, résume l'équation : sans une maîtrise simultanée des dimensions cliniques, techniques et économiques, une solution ne sera ni adoptée ni génératrice de valeur. Le cadre réglementaire américain reste lui-même en construction, un rapport au Congrès de 2024 le souligne, ce qui renforce l'importance d'un ancrage profond dans les réalités du terrain pour quiconque ambitionne de transformer durablement le secteur.

Outils⚒Outil

1 source

47

Illustration générée par IA

5764Import AI 

Import AI 455 : automatiser la recherche en IA

Jack Clark, cofondateur d'Anthropic et auteur de la newsletter Import AI, estime désormais qu'il existe une probabilité supérieure à 60 % qu'un système d'IA soit capable d'entraîner lui-même son successeur sans intervention humaine d'ici fin 2028. Cette projection, qu'il qualifie lui-même de "reluctante" tant ses implications lui semblent vertigineuses, repose sur l'analyse de publications scientifiques accessibles publiquement sur arXiv, bioRxiv et NBER, ainsi que sur les produits déployés par les laboratoires de pointe. Clark ne s'attend pas à ce que cela se produise en 2026, mais anticipe une preuve de concept, un modèle entraînant son successeur de bout en bout, d'ici un à deux ans, d'abord sur des modèles non-frontier avant d'atteindre les systèmes les plus avancés, bien plus coûteux à produire. L'un des indicateurs les plus frappants qu'il cite est le benchmark SWE-Bench, qui mesure la capacité des IA à résoudre de vrais problèmes GitHub : en 2023, Claude 2 n'obtenait que 2 % de réussite ; aujourd'hui, Claude Mythos Preview atteint 93,9 %, saturant pratiquement le test. Si cette trajectoire se confirme, l'impact serait sans précédent dans l'histoire technologique. L'automatisation de la recherche en IA signifierait que les cycles d'amélioration des modèles n'auraient plus besoin d'ingénieurs humains pour concevoir les architectures, sélectionner les données ou définir les objectifs d'entraînement. La vitesse de progression du domaine, déjà exponentielle, pourrait s'accélérer de manière difficilement prévisible. Pour les entreprises technologiques, les centres de recherche académiques et les gouvernements, cela pose la question de savoir comment maintenir un contrôle humain significatif sur des systèmes dont l'évolution échappe partiellement à la supervision traditionnelle. Clark souligne explicitement que la société n'est probablement pas prête pour les transformations qu'implique un tel basculement. Cette réflexion s'inscrit dans un contexte où la communauté IA débat depuis plusieurs années du concept de "takeoff", le moment où les systèmes deviendraient capables d'amélioration autonome et récursive. Longtemps considéré comme un scénario lointain ou spéculatif, ce seuil semble se rapprocher à mesure que les benchmarks de codage, de raisonnement et d'autonomie des agents progressent. Des acteurs comme OpenAI, Google DeepMind et Anthropic investissent massivement dans des agents capables d'enchaîner des tâches complexes sans supervision humaine. Clark prévient qu'une fois ce Rubicon franchi, les prévisions habituelles sur l'évolution de l'IA perdront leur pertinence, et annonce qu'il consacrera l'essentiel de 2026 à analyser les implications concrètes de ce scénario pour la société, l'économie et la gouvernance technologique mondiale.

Sécurité❧Opinion

1 source

43

Illustration générée par IA

5765Le Big Data 

Physical AI : l’intelligence artificielle incarne enfin le monde réel

La Physical AI désigne une nouvelle génération de systèmes d'intelligence artificielle capables non plus de traiter des données textuelles ou visuelles, mais d'agir directement sur le monde matériel. Contrairement aux modèles de langage classiques qui prédisent des séquences de tokens, ces systèmes combinent des capteurs avancés, vision 3D, lidar, accéléromètres, avec des modèles de fondation pour percevoir leur environnement en temps réel, raisonner sur sa géométrie et produire des mouvements précis en termes de force et de couple. En 2026, l'arrivée de processeurs embarqués suffisamment puissants permet à ces architectures de fonctionner sans délai réseau, rendant la correction de trajectoire instantanée : un bras robotique qui heurte un obstacle recalcule son chemin seul, sans intervention humaine. L'enjeu industriel est considérable. Là où la robotique classique imposait une programmation rigide adaptée à des environnements contrôlés, la Physical AI permet aux machines de s'adapter à l'imprévu, une pièce déplacée, une variation de surface, un collègue humain qui traverse l'espace de travail. La tolérance à l'erreur est radicalement différente de celle de l'IA générative : une hallucination dans un résumé de texte est embarrassante, une erreur de trajectoire dans un entrepôt logistique peut endommager du matériel coûteux ou blesser quelqu'un. Cela pousse les équipes d'ingénierie à exiger des niveaux de fiabilité proches de ceux de l'aéronautique, ce qui tire vers le haut l'ensemble de la chaîne de développement matériel et logiciel. Ce mouvement s'inscrit dans une trajectoire plus longue. Depuis le milieu des années 2010, la robotique industrielle stagnait : les bras mécaniques étaient rapides mais aveugles, incapables de généraliser à de nouveaux contextes sans re-programmation. L'émergence des grands modèles de vision et de langage a ouvert la voie à un apprentissage par démonstration et par simulation physique ultra-réaliste, contournant le besoin de millions d'exemples réels difficiles à collecter. Des acteurs comme NVIDIA avec sa plateforme Isaac, Boston Dynamics ou encore Figure AI investissent massivement dans cette convergence numérique-physique. La prochaine étape sera de déterminer qui contrôle les couches logicielles fondamentales, et donc l'économie de la robotique généralisée, avant que le marché ne se consolide autour de deux ou trois plateformes dominantes.

Robotique❧Opinion

1 source

44

Illustration générée par IA

5766Le Big Data 

IA et relation client : Netomi lève 110M$ et attire les géants Accenture et Adobe

La startup américaine Netomi a bouclé une levée de fonds de 110 millions de dollars en Série C, menée par Accenture Ventures, avec la participation d'Adobe Ventures, WndrCo, NAVER Ventures, Silver Lake Waterman, Metis Strategy et Fin Capital. Fondée par Puneet Mehta, un ancien développeur de systèmes de trading à haute fréquence chez Wall Street, la société propose une plateforme d'intelligence artificielle dédiée au service client d'entreprise. Ni la valorisation ni les revenus n'ont été communiqués, mais Netomi met en avant des gains économiques mesurables pour ses clients, évoquant des économies pouvant atteindre plusieurs centaines de millions de dollars sur certains déploiements. La levée a été annoncée début mai 2026 et s'inscrit dans une accélération globale des investissements dans l'IA appliquée à la relation client, un segment confirmé comme prioritaire par Reuters. Ce financement ne se distingue pas uniquement par son montant dans un marché déjà saturé de capitaux, où des concurrents comme Sierra ou Decagon enchaînent des levées spectaculaires. Ce qui pèse davantage, c'est la nature stratégique des partenaires engagés. Accenture prévoit de former des centaines de consultants à la plateforme Netomi, transformant l'investissement en canal de distribution mondial vers les grands comptes. Adobe, de son côté, intègre la technologie à son écosystème d'expérience digitale, notamment autour de ses agents Brand Concierge, permettant à Netomi de s'insérer directement dans les outils déjà utilisés par les grandes marques pour gérer leurs parcours clients. Ce modèle hybride, mêlant conseil, technologie et distribution, dessine la façon dont les entreprises achèteront l'IA dès 2026 : non comme un produit isolé, mais comme un écosystème intégré et opérationnel. La singularité de Netomi repose sur une approche héritée des marchés financiers. Là où les chatbots classiques réagissent à une demande explicite, la plateforme agrège des signaux multiples, historique client, comportement en temps réel, contexte environnemental, pour anticiper les besoins avant même qu'ils soient formulés, à la manière des systèmes de décision automatisée utilisés en trading. Ce positionnement répond à une demande croissante des entreprises qui ne cherchent plus des démonstrations technologiques, mais des résultats chiffrés et reproductibles dans des environnements complexes. Dans un secteur où des acteurs comme Salesforce, Zendesk ou ServiceNow investissent massivement dans l'IA agentique, Netomi parie sur l'intégration profonde plutôt que sur la surface conversationnelle, avec l'ambition de faire de l'intelligence artificielle une couche centrale de l'expérience client plutôt qu'un simple module additionnel.

Business❧Opinion

1 source

48

Illustration générée par IA

5767AI News 

L'IA physique soulève des questions de gouvernance pour les systèmes autonomes

La convergence de l'intelligence artificielle et des systèmes physiques pose des questions de gouvernance inédites pour les entreprises, les régulateurs et les ingénieurs. En 2024, la Fédération internationale de la robotique recensait 542 000 robots industriels installés dans le monde, soit plus du double du niveau enregistré dix ans plus tôt. Les projections tablent sur 575 000 unités en 2025 et plus de 700 000 d'ici 2028. Dans ce contexte, le marché de ce que les analystes appellent désormais la "Physical AI" -- robotique, edge computing et machines autonomes -- était estimé à 81,64 milliards de dollars en 2025 par Grand View Research, avec des projections atteignant 960,38 milliards en 2033. En mars 2025, Google DeepMind a franchi une étape concrète en lançant Gemini Robotics et Gemini Robotics-ER, deux modèles construits sur Gemini 2.0 et conçus pour le contrôle direct de robots et le raisonnement spatial. En avril 2026, une nouvelle version, Gemini Robotics-ER 1.6, a été mise en préversion via l'API Gemini, avec des capacités renforcées de planification de tâches, de détection de succès et de raisonnement par étapes intermédiaires. L'enjeu dépasse largement celui de l'automatisation logicielle classique. Lorsqu'un modèle de langage produit une réponse incorrecte, l'erreur reste dans le domaine informationnel. Lorsqu'un modèle piloté un robot, une sortie erronée peut se traduire par un mouvement physique dans un environnement partagé avec des humains ou connecté à des équipements industriels critiques. Google DeepMind identifie trois propriétés fondamentales pour des robots véritablement utiles : la généralité (capacité à traiter des objets et environnements inconnus), l'interactivité (adaptation aux instructions humaines et aux conditions changeantes), et la dextérité (précision des gestes physiques). Des systèmes comme Gemini Robotics peuvent suivre des instructions en langage naturel et exécuter des séquences complexes -- plier du papier, emballer des objets, manipuler des éléments jamais vus à l'entraînement. Mais cette même flexibilité complique la définition de limites de sécurité claires et de procédures d'arrêt d'urgence. Derrière la performance technique se profile un problème de gouvernance systémique encore non résolu. Contrairement aux logiciels, les systèmes physiques autonomes opèrent dans des espaces réels, soumis à des normes de sécurité industrielles, de responsabilité civile et de certification qui n'ont pas été conçues pour des agents capables de raisonner et de décider de façon autonome. La mise à disposition de Gemini Robotics-ER 1.6 via l'API Gemini rapproche le développement de ces systèmes des environnements de tests accessibles aux développeurs, mais transfère aussi une partie de la responsabilité vers les intégrateurs. Le secteur se retrouve face à une question centrale : qui valide, surveille et peut arrêter un agent physique lorsque son comportement s'écarte des limites prévues ? Les réponses réglementaires et industrielles à cette question seront déterminantes pour le déploiement à grande échelle de la Physical AI dans les prochaines années.

Robotique❧Opinion

1 source

37

Illustration générée par IA

5768Le Big Data 

Automatisation du montage vidéo : créez des vidéos 10x plus vite avec l’IA

Les outils d'intelligence artificielle dédiés au montage vidéo permettent désormais de réduire jusqu'à 40 % du temps de post-production traditionnel en moins de soixante secondes. Des plateformes comme Submagic, qui se positionne aujourd'hui comme le leader du segment, automatisent l'intégralité du workflow : analyse audio à l'importation pour isoler les moments forts, suppression automatique des silences et hésitations, insertion contextuelle de B-rolls et d'éléments graphiques basés sur la transcription générée, et même zoom dynamique sur les pics d'intensité émotionnelle détectés dans la voix. Ce qui prenait autrefois une demi-journée de dérushing manuel se boucle en quelques minutes, avec une précision que les éditeurs décrivent comme chirurgicale. L'enjeu est considérable pour les créateurs de contenu, solopreneurs comme studios en croissance, qui font face à une demande de formats courts qui ne faiblit pas. En déléguant les tâches répétitives et chronophages à des algorithmes entraînés pour ça, ils récupèrent du temps pour la stratégie et la direction créative, les seules dimensions que la machine ne peut pas encore pleinement remplacer. Concrètement, la barrière économique et humaine qui séparait une production amateur d'une post-production de haute volée s'effondre : un créateur seul peut désormais sortir un volume de contenu qui nécessitait auparavant une équipe entière. Cette mutation s'inscrit dans une transformation plus large de l'industrie de la création visuelle, accélérée par la montée en puissance des LLMs et des modèles multimodaux depuis 2022-2023. Le marché des outils d'automatisation vidéo s'est densifié rapidement, avec des acteurs comme Descript, CapCut ou Runway qui se disputent les mêmes flux de travail. Submagic mise sur la régularité de ses mises à jour et sur l'intégration verticale de ses fonctionnalités pour se démarquer. La prochaine frontière concerne la personnalisation à grande échelle : configurer un système qui comprend non seulement la structure narrative d'une vidéo, mais aussi les codes esthétiques et la ligne éditoriale propres à chaque créateur. Ce degré de personnalisation reste encore largement en développement, et représente le prochain terrain de compétition pour ces plateformes.

Outils⚒Outil

1 source

50

Illustration générée par IA

5769AI News 

Google fait de la gouvernance des agents IA un produit, les entreprises doivent encore s'adapter

Il y a deux semaines à Las Vegas, lors du Google Cloud Next '26, Google a franchi un cap que l'industrie de l'IA entreprise évitait depuis près de deux ans : intégrer la gouvernance des agents IA directement dans le produit, non pas comme une fonctionnalité optionnelle, mais comme une couche architecturale fondamentale. La pièce maîtresse de l'événement est le Gemini Enterprise Agent Platform, présenté comme le successeur de Vertex AI. Sa particularité : chaque agent construit sur la plateforme reçoit une identité cryptographique unique à des fins de traçabilité et d'audit, tandis qu'une composante appelée Agent Gateway supervise les interactions entre les agents et les données d'entreprise. La gouvernance, autrement dit, est livrée avec le produit, et non ajoutée après coup. Cette annonce répond à un écart alarmant mis en lumière par plusieurs études récentes. Une enquête d'OutSystems auprès de 1 879 décideurs IT, publiée en avril, révèle que 97 % des organisations explorent déjà des stratégies d'agents IA, et que 49 % s'estiment avancées ou expertes dans ce domaine. Pourtant, seulement 36 % disposent d'une approche centralisée de gouvernance, et à peine 12 % utilisent une plateforme unifiée pour contrôler la prolifération des agents. Le Hype Cycle 2026 de Gartner confirme la tension : si seulement 17 % des organisations ont réellement déployé des agents IA à ce jour, plus de 60 % comptent le faire dans les deux prochaines années, la courbe d'adoption la plus agressive jamais enregistrée par Gartner pour une technologie émergente. Dans les faits, entre 11 % et 14 % des projets pilotes d'agents IA atteignent une mise en production réelle. Les 86 à 89 % restants ont été mis en pause, abandonnés, ou n'ont jamais dépassé le stade du proof-of-concept, avec la gouvernance et la complexité d'intégration citées comme causes premières. La stratégie de Google est cohérente : selon une analyse de Bain & Company, l'entreprise se repositionne d'un simple fournisseur d'accès aux modèles vers une plateforme d'entreprise agentique complète, où le contexte, l'identité et la sécurité sont au centre de l'architecture. Fait notable, les trois grands fournisseurs cloud n'ont annoncé leurs registres d'agents qu'en avril 2026, ce qui illustre à quel point les outils de gouvernance restent embryonnaires dans l'ensemble du secteur. Google propose la réponse la plus complète à ce jour, mais elle implique une contrepartie : une intégration profonde dans l'écosystème Google. C'est précisément ce que les architectes d'entreprise doivent arbitrer aujourd'hui. Les systèmes agentiques multiplient les identités et les permissions à une vitesse que les modèles traditionnels de gestion des accès n'ont jamais été conçus pour absorber, et la question n'est plus quel modèle est approuvé, mais quelles actions un agent donné peut exécuter, avec quelle identité, sur quels outils, et avec quelle piste d'audit.

Outils⚒Outil

1 source

45

Illustration générée par IA

5770Le Big Data 

Nvidia mise sur l’IA physique : pourquoi les marchés d’Asie s’emballent déjà ?

L'Asie représente désormais 90 % des coûts de production de Nvidia, contre 65 % il y a tout juste un an. Ce basculement, documenté par Bloomberg, illustre une réorientation stratégique majeure du géant américain des puces graphiques. Nvidia ne se concentre plus uniquement sur les processeurs pour data centers : sous l'impulsion de son PDG Jensen Huang, l'entreprise accélère dans ce qu'elle appelle l'IA physique, un ensemble de technologies englobant la robotique, les systèmes autonomes et la production industrielle augmentée. Dans ce cadre, des partenariats se nouent à grande vitesse avec des acteurs asiatiques majeurs comme SK Hynix et Samsung Electronics pour la mémoire et les composants avancés, mais aussi avec des entreprises moins connues à l'international : LG Electronics sur un projet de robot domestique, Nanya Technology à Taïwan, et des fabricants chinois comme Huizhou Desay et Pateo Connect. Les marchés boursiers ont immédiatement réagi : LG Electronics a bondi jusqu'à 15 % après l'annonce de discussions avec Nvidia, Nanya Technology a progressé de 10 %, tandis que les titres chinois concernés enregistraient également des hausses marquées. L'impact de cette dynamique dépasse largement les seuls partenaires directs de Nvidia. Chaque annonce de collaboration est désormais perçue par les investisseurs comme un signal de croissance future, transformant des entreprises industrielles régionales en acteurs stratégiques mondiaux du jour au lendemain. Pour Ling Vey-Sern, analyste chez Union Bancaire Privée, cette dépendance croissante à l'égard des chaînes d'approvisionnement asiatiques est structurelle et inévitable : les géants technologiques n'ont d'autre choix que de s'appuyer sur des écosystèmes de fabrication très spécialisés. L'IA physique, contrairement à l'IA générative qui reposait essentiellement sur des infrastructures cloud pilotées par Microsoft, Amazon ou Alphabet, exige une base industrielle dense : capteurs, actionneurs, systèmes embarqués, assemblage de précision. C'est précisément là où l'Asie concentre ses compétences depuis des décennies. Ce virage s'inscrit dans un contexte d'investissements colossaux de la part des géants américains, certains annonçant jusqu'à 200 milliards de dollars de dépenses en infrastructures IA. Nvidia capte une part significative de ces budgets et entraîne dans son sillage l'ensemble de sa chaîne de fournisseurs. Samsung en a déjà tiré les bénéfices, ayant récemment multiplié ses résultats trimestriels. La part asiatique dans les coûts de production de Nvidia n'est pas une simple métrique de dépendance : c'est le reflet d'un cycle d'investissement qui se déplace vers le prochain goulot d'étranglement, après le calcul et la mémoire, désormais vers les composants et systèmes nécessaires à l'IA qui agit dans le monde réel. Les prochaines étapes dépendront de la vitesse à laquelle les robots, véhicules autonomes et usines intelligentes passeront du stade expérimental au déploiement industriel à grande échelle.

Infrastructure❧Opinion

1 source

49

Illustration générée par IA

5771Next INpact 

Le Pentagone choisit ses nouveaux fournisseurs IA et exclut Anthropic… enfin presque

Le Pentagone a signé fin avril 2026 des accords avec huit fournisseurs de modèles d'intelligence artificielle pour déployer leurs technologies dans des opérations militaires classifiées. Les entreprises retenues sont OpenAI, Google, Microsoft, Amazon Web Services, NVIDIA, Oracle, SpaceX via sa filiale xAI, et Reflection. Ces contrats couvrent deux niveaux de classification : l'IL6, équivalent du « secret défense », et l'IL7, réservé aux données encore plus sensibles liées aux opérations en cours. Concrètement, ces IA seront mobilisées pour l'analyse de renseignement, la planification d'opérations et l'aide à la prise de décision en temps réel. Une entreprise brille par son absence : Anthropic, pourtant l'un des acteurs les plus avancés du secteur, a été écarté de ces accords. Cette sélection marque une accélération majeure de l'intégration de l'IA dans l'appareil militaire américain, avec des implications industrielles et éthiques immédiates. Chez Google, l'accord signé le 27 avril a provoqué une fronde interne : plus de 560 employés ont adressé une lettre ouverte à Sundar Pichai, réclamant que l'entreprise refuse tout contrat impliquant des opérations classifiées. « La seule façon de garantir que Google ne soit pas associé à de tels dommages est de refuser tout travail sur des projets classifiés », écrivent les signataires. Kent Walker, président des affaires juridiques d'Alphabet, a répondu sans ambiguïté dans un mémo interne, affirmant que Google travaillait « avec fierté » avec le ministère de la Défense depuis ses débuts et que soutenir la sécurité nationale de manière « réfléchie et responsable » restait une priorité de l'entreprise. Le cas Anthropic illustre les tensions profondes entre les exigences du Pentagone et les garde-fous éthiques des labs d'IA. Le DoD utilisait pourtant les modèles Claude depuis 2024, dans des opérations sensibles : ils auraient notamment contribué à la capture de Nicolas Maduro le 3 janvier, et aux premières opérations militaires liées au conflit israélo-iranien. Mais Anthropic a posé des conditions, refusant notamment que sa technologie serve à la surveillance de masse de citoyens américains ou à des armes entièrement autonomes. Le DoD, peu enclin à se laisser imposer des contraintes par un fournisseur, a alors désigné Anthropic « fournisseur à risque », une première pour une entreprise américaine, assimilée à une menace pour la chaîne d'approvisionnement nationale. L'affaire s'est depuis enlisée devant les tribunaux. Le lancement de Mythos par Anthropic début avril semble avoir légèrement rouvert la porte : le directeur technique du DoD, Emil Michael, reconnaît qu'Anthropic reste un risque d'approvisionnement tout en laissant entendre que la situation pourrait évoluer.

Business⚖Reglementation

1 source

48

Illustration générée par IA

5772Le Big Data 

Anthropic vise Wall Street : un partenariat à 1,5 milliard pour dominer l’IA financière

Anthropic finalise une coentreprise d'environ 1,5 milliard de dollars avec plusieurs géants de Wall Street pour déployer ses outils d'intelligence artificielle auprès des entreprises détenues par des fonds de capital-investissement. Selon le Wall Street Journal, les piliers de cette structure sont Anthropic, le fonds Blackstone et Hellman & Friedman, chacun prêt à injecter environ 300 millions de dollars. Goldman Sachs participerait en tant qu'investisseur fondateur avec une mise estimée à 150 millions. L'annonce officielle était attendue le 5 mai 2026. Simultanément, Anthropic pousse ses investisseurs à se positionner sous 48 heures sur un nouveau tour de table d'environ 50 milliards de dollars, qui valoriserait la startup à quelque 900 milliards, soit plus du double de sa valorisation de 380 milliards atteinte en février dernier. Cette coentreprise ouvre à Anthropic l'accès à un segment particulièrement lucratif : les sociétés sous LBO, c'est-à-dire rachetées à crédit par des fonds de private equity, constituent un terrain idéal pour standardiser des usages à forte valeur ajoutée. Automatisation des opérations, analyse prédictive, optimisation des coûts, pilotage financier en temps réel : les fonds d'investissement cherchent précisément ces leviers pour améliorer la rentabilité de leurs portefeuilles. En s'y insérant directement, Anthropic ne vend plus seulement de la technologie, il s'intègre dans les mécanismes de création de valeur des fonds eux-mêmes. La pression exercée sur les investisseurs pour qu'ils se décident en moins de deux jours témoigne d'un rapport de force inversé : la demande dépasse l'offre, au point que certains acteurs historiques préfèrent attendre l'introduction en bourse, annoncée plus tard en 2026, pour matérialiser leurs gains. Derrière cette accélération se trouve un impératif industriel : financer l'infrastructure de calcul colossale qu'exige l'IA générative avancée. Les revenus récurrents issus de la coentreprise et les alliances nouées avec les plus grands acheteurs de technologie permettent à Anthropic de consolider sa position sans dépendre uniquement des cycles de levée de fonds. Le chiffre d'affaires annuel de la startup aurait récemment dépassé les 30 milliards de dollars, avec des projections internes proches de 40 milliards. La comparaison avec OpenAI s'impose : ce dernier a levé 122 milliards de dollars début 2025 pour une valorisation post-money de 852 milliards. En visant 900 milliards, Anthropic ambitionne de dépasser son principal rival sur le terrain de la crédibilité financière autant que technologique. Pour les acteurs B2B, la capacité à structurer des écosystèmes industriels prend désormais le pas sur la seule performance des modèles.

Business❧Opinion

1 source

39

Illustration générée par IA

5773Le Big Data 

Chaos total sur YouTube : des vidéos IA absurdes passent entre les mailles du filet

YouTube fait face à une prolifération massive de contenus générés automatiquement par intelligence artificielle, au point que la plateforme peine à maintenir un semblant de contrôle éditorial. Des milliers de vidéos produites sans intervention humaine sont publiées chaque jour, contournant les systèmes de modération mis en place par Google. Parmi les cas les plus frappants signalés par des utilisateurs sur Bluesky, certaines vidéos présentent une voix masculine synthétique répétant un mot unique en boucle pendant de longues minutes, parfois sous couvert de contenu éducatif ou de bandes-annonces fictives. Ces productions, souvent incohérentes, longues et jamais relues par un humain, inondent la plateforme malgré les efforts répétés de YouTube pour intensifier sa lutte contre les contenus automatisés. L'impact est concret et touche plusieurs catégories d'acteurs. Les créateurs légitimes voient leur visibilité écrasée par un flot de contenus parasites optimisés pour le référencement algorithmique : titres accrocheurs, miniatures trompeuses, récits entièrement inventés conçus pour maximiser les clics. Les utilisateurs, souvent piégés par le système d'autoplay, enchaînent ces vidéos sans toujours identifier leur nature artificielle. Plus grave, certains de ces contenus ne se limitent pas à l'absurde : ils véhiculent des affirmations fausses ou des théories complotistes qui circulent librement, sans filtre efficace. La désinformation à grande échelle devient ainsi une conséquence directe de cette incapacité à endiguer le phénomène. Ce problème s'inscrit dans une dynamique plus large liée à la démocratisation des outils de génération vidéo par IA, qui permettent désormais à n'importe qui de produire des contenus en masse à coût quasi nul. YouTube a bien tenté de réagir en renforçant ses politiques et ses systèmes de détection, mais chaque vague de suppressions est immédiatement suivie d'une nouvelle vague de publications, dans ce que certains décrivent comme un jeu de tape-taupe numérique sans fin. Les chaînes les plus agressives exploitent méthodiquement les failles de l'algorithme pour maintenir leur présence. La question qui se pose désormais est de savoir si YouTube peut adapter ses outils de modération à la même vitesse que progressent les capacités génératives, ou si la plateforme est structurellement condamnée à subir ce déferlement tant que la création automatisée de contenus reste aussi accessible et rentable.

Société❧Opinion

1 source

43

Illustration générée par IA

5774Next INpact 

Meta veut devenir l’Android des robots humanoïdes

Meta a confirmé auprès de Bloomberg l'acquisition d'Assured Robot Intelligence (ARI), une startup spécialisée dans le développement de modèles d'intelligence artificielle pour la robotique. L'équipe d'ARI, présentée par Meta comme se situant « à la pointe de l'intelligence robotique, conçue pour permettre aux robots de comprendre, prévoir et s'adapter aux comportements humains dans des environnements complexes et dynamiques », rejoint le Meta Superintelligence Labs. Elle travaillera étroitement avec le Meta Robotics Studio, une division créée en février 2025 pour développer les technologies de base des robots humanoïdes. Ce rachat s'inscrit dans une stratégie plus large : Meta a déjà présenté en octobre 2025 des prototypes de capteurs tactiles avancés, le Digit Plexus, une solution matérielle pour intégrer des capteurs dans une main robotique, et le Digit 360, un capteur en forme de doigt fournissant des données haptiques très précises. Le géant des réseaux sociaux aurait par ailleurs déjà engagé des discussions avec Unitree Robotics, fabricant chinois connu pour ses robots acrobatiques, ainsi qu'avec Figure AI. L'ambition de Meta ne se limite pas à fabriquer ses propres robots : l'entreprise veut jouer un rôle de plateforme transversale pour toute l'industrie, sur le modèle d'Android et des puces Qualcomm dans l'écosystème des smartphones. Si ce positionnement réussit, Meta se retrouverait en position centrale dans un marché potentiellement colossal, en fournissant les briques logicielles et matérielles sur lesquelles d'autres constructeurs bâtiront leurs produits. L'enjeu industriel est réel : Amazon estime que les robots humanoïdes lui permettront d'éviter 600 000 embauches d'ici 2033, signal fort que la demande en environnements professionnels précède largement celle du grand public. Ce mouvement s'inscrit dans une dynamique de fond déclenchée par l'essor de l'IA générative, qui a fourni aux robots la capacité de comprendre des consignes en langage naturel, de décomposer des tâches complexes et de s'adapter à des situations imprévues, ce que les systèmes robotiques classiques ne pouvaient pas faire seuls. De nombreuses entreprises ont flairé l'opportunité d'un nouveau marché lucratif, et la compétition se structure rapidement. Tesla mise sur une approche intégrée verticalement avec Optimus, Elon Musk ayant promis lors du Forum de Davos une commercialisation possible dès fin 2026. Meta, dont le laboratoire de recherche fondamentale FAIR a vu son influence diminuer depuis le départ de Yann LeCun, réoriente clairement ses ressources vers ce chantier via le Superintelligence Labs. La question est désormais de savoir si le modèle « couche d'infrastructure ouverte » peut s'imposer face aux acteurs qui cherchent à tout contrôler, de la puce au châssis.

Robotique❧Opinion

Aussi surFrandroid

44

Illustration générée par IA

5775Le Big Data 

Aouch ! Google publie par accident l’application qui va remplacer Gemini

Le 30 avril 2026, Google a brièvement publié sur le Play Store une application baptisée COSMO, signée Google Research et présentée comme un « experimental AI assistant ». L'application, pesant 1,13 Go, embarque directement un modèle Gemini Nano capable de fonctionner en local sur l'appareil, sans recours systématique au cloud. Elle a disparu aussi rapidement qu'elle était apparue, mais les captures d'écran et les descriptions techniques ont eu le temps de circuler. L'interface, visiblement non finalisée, ressemblait davantage à un prototype interne qu'à un produit destiné au grand public, certaines illustrations du Play Store étant même mal affichées, signe que la publication était accidentelle. Ce qui distingue COSMO des assistants conversationnels classiques, c'est son comportement proactif : l'application ne répond pas à des requêtes, elle observe ce qui se passe à l'écran et agit sans qu'on le lui demande. Elle repose sur quatorze « Skills » capables de se déclencher automatiquement selon le contexte. Si une conversation mentionne un délai, l'assistant propose un minuteur. Si un rendez-vous apparaît dans un message, il suggère de l'ajouter à Google Agenda. Si un terme inconnu figure dans un PDF ouvert, il en affiche la définition instantanément. L'application intègre même un « Browser Agent » capable de naviguer sur le web à la place de l'utilisateur, rappelant le projet Mariner de Google. Pour fonctionner ainsi, COSMO exploite l'API d'accessibilité d'Android, ce qui lui donne un accès étendu à ce qui s'affiche sur l'écran, une capacité puissante, mais qui soulève immédiatement des questions sérieuses sur la collecte de données et le risque de surveillance permanente. Sur le plan technique, Google teste trois modes de traitement distincts : un mode entièrement local via Gemini Nano pour préserver la confidentialité, un mode cloud via une infrastructure baptisée « PI » pour des traitements plus puissants, et un mode hybride combinant les deux selon la situation. COSMO s'inscrit dans une tendance plus large chez les grands acteurs tech : aller au-delà du chatbot réactif pour construire des agents capables d'agir de manière autonome dans l'environnement numérique de l'utilisateur. Apple développe une vision similaire avec une Siri plus contextuelle, tandis que Microsoft intègre Copilot de plus en plus profondément dans Windows. Cette fuite accidentelle intervient à moins de trois semaines du Google I/O 2026, prévu le 19 mai, où Google devrait officiellement dévoiler sa nouvelle génération d'assistants. COSMO pourrait bien en être la pièce maîtresse.

Outils⚒Outil

Aussi surSiècle Digital

44

Illustration générée par IA

5776Next INpact 

☕️ Pas de statuettes pour l’IA à la prochaine cérémonie des Oscars

L'Academy of Motion Picture Arts and Sciences (AMPAS) a publié les règles officielles qui encadreront la 99e cérémonie des Oscars, prévue le 17 mars 2027. La position est sans ambiguïté : seules les performances "manifestement interprétées par des êtres humains avec leur consentement" seront éligibles dans les catégories d'interprétation. Conséquence directe : le clone IA de Val Kilmer, utilisé dans le film As Deep as the Grave pour faire "revenir" l'acteur un an après sa mort, ne pourra prétendre à aucune statuette. L'entité numérique Tilly Norwood, présentée comme une "comédienne IA" par le studio Xicoia et que plusieurs agences de talent ont tenté de représenter, se trouve dans la même situation. Côté scénario, les catégories meilleur scénario original et meilleur scénario adapté exigent désormais une paternité humaine : tout texte généré principalement par une IA sera déclaré inéligible, même si l'usage de l'IA en soutien à l'écriture humaine semble toléré. L'Academy se réserve par ailleurs le droit d'exiger des informations détaillées sur l'usage de l'IA dans n'importe quelle œuvre en compétition. Ces règles dessinent une ligne de démarcation claire à un moment où Hollywood ne sait pas encore quoi faire de cette technologie. Pour la profession des comédiens, la question dépasse l'anecdote : si un studio peut synthétiser le jeu d'un acteur décédé et le commercialiser, c'est l'ensemble de la relation entre un artiste, son image et son consentement qui est remis en cause. Les tentatives de "vendre" Tilly Norwood aux studios ont suscité un rejet net de la part des syndicats et de la profession, signe que la résistance est organisée et déterminée. Le contexte est celui d'un Hollywood encore sous le choc des grèves de 2023, où la SAG-AFTRA et les scénaristes du WGA avaient arraché des protections contre l'utilisation non consentie de leurs voix et de leurs ressemblances par les studios. Ces nouvelles règles des Oscars prolongent cette logique en lui donnant une traduction symbolique forte : la plus haute récompense du cinéma américain ne couronnera pas une machine. Reste à voir comment l'Academy vérifiera concrètement la part d'IA dans les œuvres, un chantier technique et juridique qui s'annonce complexe à mesure que les outils génératifs s'intègrent davantage aux workflows de production.

Éthique⚖Reglementation

1 source

47

Illustration générée par IA

5777arXiv cs.RO 

Les modèles VLA sont restreints mais capables de généraliser à des instructions inédites

Une étude publiée sur arXiv (référence 2505.03500, version 5, mai 2026) expose une limitation structurelle des modèles VLA (Vision-Language-Action) : leur incapacité à combiner des compétences apprises séparément pour exécuter des tâches inédites. L'exemple présenté est parlant, un VLA peut réussir à placer du fromage frais dans un bol et à poser ce bol sur une armoire, mais échoue à placer directement le fromage sur l'armoire. Pour quantifier ce déficit, les chercheurs ont créé libero-ood, un benchmark de 20 tâches extrapolées depuis les suites standards LIBERO. Résultat net : l'ensemble des VLA état-de-l'art testés plafonnent à moins de 15 % de succès. En appliquant leur technique d'interpolation de latents textuels au modèle π0 de Physical Intelligence, les auteurs atteignent 83 % sans aucun réentraînement. Autre découverte préoccupante : des prompts illisibles pour un humain, obtenus par décodage du latent textuel, suffisent à piloter le VLA à 70 % de succès sur LIBERO standard, ouvrant la voie à des attaques de type backdoor ou à des instructions privées non auditables. La méthode repose sur l'extraction d'un "latent textuel" par tâche de base, en moyennant les états cachés des tokens textuels sur l'ensemble des trajectoires démontrées. Pour exécuter une tâche composite inédite, les chercheurs interpolent temporellement les latents de deux tâches sources et les réinjectent dans le modèle à l'inférence, activant séquentiellement les sous-comportements correspondants. Ce résultat remet en question l'hypothèse d'une compréhension sémantique robuste dans les VLA actuels : l'analyse qualitative révèle un phénomène de surapprentissage spatial, les modèles associant les noms d'objets à des emplacements démontrés plutôt qu'à des entités abstraites. Pour les intégrateurs et décideurs industriels, cela signifie que les benchmarks standards ne détectent pas ces angles morts compositionnels, et que la qualification de systèmes autonomes en production devrait systématiquement inclure des tâches out-of-distribution. LIBERO est depuis plusieurs années une référence en manipulation robotique tabletop ; libero-ood comble un angle mort important sur la généralisation hors distribution. π0, développé par Physical Intelligence (fondée en 2023 par d'anciens chercheurs de Google et DeepMind, dont Sergey Levine et Chelsea Finn), s'est imposé comme l'un des VLA les plus performants du marché via son architecture flow-matching. Les modèles concurrents testés ici, notamment OpenVLA (Berkeley) et Octo, affichent les mêmes limites compositionnelles. Ce travail, encore au stade preprint, pose les bases d'un nouveau critère d'évaluation pour les VLA et soulève des questions de sécurité concrètes qui devraient alerter les équipes déployant ces modèles en environnement industriel non supervisé.

Robotique❧Opinion

1 source

42

Illustration générée par IA

5778arXiv cs.RO 

IA incarnée et interprétabilité causale : comprendre pour mieux généraliser dans les modèles VLA

Une équipe de chercheurs a publié le 1er mai 2026 (arXiv:2605.00321) un travail introduisant deux outils de diagnostic pour les politiques de type Vision-Langage-Action (VLA) : l'Interventional Significance Score (ISS) et le Nuisance Mass Ratio (NMR). L'ISS est une procédure de masquage interventionnel qui estime l'influence causale de régions visuelles spécifiques sur les prédictions d'action d'un agent robotique. Le NMR est une métrique scalaire qui quantifie dans quelle mesure un modèle s'appuie sur des caractéristiques visuelles non pertinentes pour la tâche plutôt que sur des causes réelles. La méthode reformule l'attribution visuelle comme un problème d'estimation interventionnelle, au sens de la causalité de Pearl, et non comme une simple corrélation statistique. Des expériences sur des tâches de manipulation variées confirment que le NMR prédit le comportement de généralisation, et que l'ISS produit des attributions plus fidèles que les méthodes d'interprétabilité existantes. À noter : le preprint ne publie ni code ni benchmark public, et les métriques de performance sur tâches spécifiques restent peu détaillées dans l'abstract. L'enjeu est direct pour les intégrateurs et les décideurs industriels : les modèles VLA actuellement déployés, comme Pi-0 de Physical Intelligence, GR00T N2 de NVIDIA ou Helix de Sanctuary AI, échouent régulièrement hors de leur distribution d'entraînement. Jusqu'ici, identifier pourquoi restait largement empirique. ISS et NMR offrent un test diagnostique pré-déploiement : un NMR élevé signale que le modèle prend ses décisions sur la base de corrélations visuelles parasites (couleur de fond, éclairage, texture du sol) plutôt que sur la structure causale de la tâche. C'est une avancée concrète vers l'analyse formelle du sim-to-real gap, l'un des verrous les plus cités par les équipes d'intégration robotique industrielle, et cela ouvre la voie à des critères de certification hors-distribution avant mise en production. Le problème de l'interprétabilité des politiques robotiques apprises restait largement ouvert. Les méthodes existantes, cartes de saillance par gradient ou rollout d'attention, reposent sur des observations corrélationnelles et ont tendance à surestimer l'importance de features visuelles non causales. Ce travail se positionne explicitement contre ces approches en adoptant un cadre interventionnel rigoureux. Aucune affiliation institutionnelle n'est mentionnée dans le preprint. Les suites naturelles incluent l'application systématique de ces métriques sur des architectures établies comme OpenVLA, Octo ou RoboVLMs, et potentiellement leur intégration comme signal de régularisation pendant l'entraînement. Le papier arrive au moment où Figure AI, 1X Technologies et Agility Robotics intensifient leurs déploiements en environnements industriels réels, rendant la robustesse hors-distribution critique pour la crédibilité commerciale du secteur.

Recherche❖Paper

1 source

34

Illustration générée par IA

5779Apple Machine Learning 

PORTool : optimisation de politique avec arbre de récompenses pour le raisonnement multi-outils

Des chercheurs ont publié PORTool, un algorithme d'optimisation de politique dit "importance-aware" conçu pour améliorer l'entraînement des agents LLM capables d'utiliser plusieurs outils simultanément. Le système introduit un arbre de récompenses (rewarded tree) qui attribue des crédits à chaque étape intermédiaire d'un raisonnement, plutôt qu'uniquement à l'issue finale d'une tâche. Concrètement, lorsqu'un agent enchaîne des appels à des outils externes avant de produire une réponse, PORTool est capable de noter individuellement chaque décision prise en cours de route. Le problème central que PORTool cherche à résoudre est l'ambiguïté d'attribution de crédit, un obstacle persistant dans l'entraînement des agents multi-outils. Avec les méthodes classiques basées uniquement sur le résultat final, il est impossible de savoir quelles décisions intermédiaires ont contribué au succès ou à l'échec d'une séquence. Ce manque de granularité dégrade la qualité de l'apprentissage et rend les agents peu fiables en conditions réelles. PORTool offre un signal d'entraînement plus précis, ce qui devrait se traduire par des agents mieux capables de mobiliser les bons outils au bon moment. Le raisonnement multi-outils est devenu un enjeu central depuis l'essor des agents autonomes comme GPT-4 avec plugins, ou les architectures ReAct et ToolLLM. Ces systèmes montrent un potentiel considérable pour automatiser des tâches complexes en milieu professionnel, mais leur fiabilité dépend directement de la qualité de leur entraînement. PORTool s'inscrit dans une vague de travaux sur l'apprentissage par renforcement appliqué aux LLM, un domaine en pleine effervescence depuis les succès de DeepSeek-R1 et d'autres modèles à raisonnement renforcé.

Recherche❖Paper

1 source

44

Illustration générée par IA

5780The Information AI 

La force de Palantir sur les prix de l'IA

Palantir publie ses résultats trimestriels ce lundi, dans un contexte de forte attention portée aux valorisations des éditeurs de logiciels. La semaine précédente, Google, Microsoft et Amazon ont confirmé que l'intelligence artificielle continue d'alimenter leurs revenus cloud, propulsant les indices boursiers à des niveaux records vendredi. Palantir, spécialisée dans l'analyse et l'intégration de grandes masses de données pour des clients gouvernementaux et privés, voit pourtant son titre perdre près de 20 % depuis le début de l'année 2026, alors que le Nasdaq Composite progressait de 8 % sur la même période. Ces résultats seront scrutés de près car ils permettront de déterminer si l'IA peut également soutenir les valorisations des logiciels d'entreprise, un segment en net recul. Les actions de Salesforce, ServiceNow, SAP et HubSpot ont toutes cédé du terrain sous la pression d'une même crainte : les outils d'IA générative développés par Anthropic et OpenAI pourraient réduire structurellement la demande pour leurs plateformes, en automatisant des tâches autrefois réservées à leurs logiciels et potentiellement des milliards de dollars de revenus récurrents. La montée en puissance des grands modèles de langage remet en cause le modèle économique des éditeurs traditionnels, qui facturent des licences pour des fonctions que ces outils commencent à assumer directement. ServiceNow présentera ses propres résultats dans la foulée de Palantir cette semaine, offrant un deuxième test de la résilience du secteur. La question centrale pour les investisseurs est désormais de savoir si des acteurs comme Palantir sauront positionner l'IA comme un vecteur de croissance plutôt que d'en subir la concurrence frontale.

Business❧Opinion

1 source