Aller au contenu principal

Actualités IA — page 297

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

La Chine freine les autorisations de robotaxis après un incident à Wuhan, selon des sources
Illustration générée par IA
5921SCMP Tech 

La Chine freine les autorisations de robotaxis après un incident à Wuhan, selon des sources

La Chine a resserré ses conditions de délivrance de licences pour les robotaxis à la suite d'un incident survenu à Wuhan, où des passagers ont été bloqués à bord de véhicules autonomes pendant plusieurs heures, perturbant la circulation de manière significative. Selon deux sources proches du dossier, qui ont requis l'anonymat faute d'autorisation à s'exprimer publiquement, les autorités ont commencé à réduire le rythme d'attribution de nouvelles licences de conduite autonome pendant l'enquête en cours sur les causes de l'incident. Cette décision ne constitue pas un gel total du secteur, mais elle marque un coup de frein notable pour des entreprises comme Baidu (Apollo Go), Pony.ai ou WeRide, qui avaient obtenu des autorisations d'exploitation commerciale dans plusieurs grandes villes chinoises. Le ralentissement administratif risque de freiner leur expansion géographique et de retarder des levées de fonds ou des introductions en bourse pour lesquelles la dynamique réglementaire est un signal fort envoyé aux investisseurs. La Chine s'était imposée ces dernières années comme l'un des marchés les plus permissifs au monde pour les tests et le déploiement commercial de véhicules autonomes, notamment à Wuhan, Pékin et Guangzhou. Cet incident illustre la tension persistante entre la volonté d'avancer vite sur une technologie stratégique et la pression politique qu'exercent les incidents publics sur des régulateurs soucieux de leur image. L'issue de l'enquête déterminera si ce coup de frein reste temporaire ou si des exigences techniques plus strictes viennent redéfinir durablement les conditions d'accès au marché.

RobotiqueReglementation
1 source
Comment les Workflows de Mistral AI transforment l’IA en moteur opérationnel ?
Illustration générée par IA
5922Le Big Data 

Comment les Workflows de Mistral AI transforment l’IA en moteur opérationnel ?

Mistral AI a lancé une fonctionnalité baptisée Workflows, intégrée à sa plateforme Studio, qui vise à résoudre l'un des problèmes les plus documentés de l'IA en entreprise : moins de 20 % des projets d'IA atteignent réellement la production. La startup française propose une couche d'orchestration permettant de passer d'un prototype à un déploiement opérationnel en quelques jours. Techniquement, la solution s'appuie sur le moteur Temporal, déjà adopté par des entreprises comme Salesforce, Netflix ou Stripe, mais adapté aux contraintes spécifiques de l'IA générative : gestion du streaming, mutualisation des ressources, traçage des exécutions et reprise automatique en cas d'erreur. Le modèle de déploiement sépare le plan de contrôle, hébergé par Mistral, du plan de données, qui reste dans l'environnement de l'entreprise via Kubernetes. Des acteurs comme CMA-CGM et La Banque Postale figurent parmi les premiers déploiements concrets. L'enjeu est majeur pour les équipes techniques qui, jusqu'ici, devaient assembler elles-mêmes agents, connecteurs, outils d'observabilité et gestion des erreurs à partir de briques hétérogènes, mobilisant parfois des mois de développement avant d'atteindre une version stable. Les Workflows de Mistral proposent un cadre unifié où ces composants fonctionnent ensemble dès le départ. Le SDK simplifie la configuration des politiques de reprise, des délais d'attente et de la gestion des erreurs en quelques lignes de Python, ce qui permet aux développeurs de se concentrer sur la logique métier plutôt que sur l'infrastructure. L'intégration avec Le Chat permet également aux équipes non techniques d'exécuter ces workflows sans friction, ce qui réduit la fracture habituelle entre développeurs et utilisateurs métiers. Ce lancement s'inscrit dans une compétition accélérée entre fournisseurs de modèles qui cherchent à monter dans la chaîne de valeur, au-delà de la simple inférence. OpenAI, Google et Anthropic investissent tous dans des couches d'orchestration et d'agents, mais Mistral joue une carte différente : la souveraineté des données et le déploiement en environnement contrôlé, un argument central pour les entreprises européennes soumises au RGPD et aux exigences sectorielles strictes du secteur financier ou logistique. En positionnant Workflows comme une infrastructure industrielle plutôt qu'un outil d'expérimentation, Mistral tente de s'imposer comme le partenaire de référence pour les grandes organisations qui ont besoin de garanties sur la fiabilité, l'observabilité et la conformité de leurs systèmes d'IA en production.

OutilsOutil
1 source
La Chine gèle les nouvelles licences de robotaxi après le chaos Baidu
Illustration générée par IA
5923The Verge 

La Chine gèle les nouvelles licences de robotaxi après le chaos Baidu

La Chine a suspendu la délivrance de nouvelles licences pour les véhicules autonomes, selon Bloomberg, qui cite des sources proches du dossier. Cette décision fait suite à un incident survenu le mois dernier à Wuhan, où des dizaines de robotaxis opérés par le géant technologique Baidu via sa filiale Apollo Go se sont immobilisés simultanément en pleine circulation, provoquant d'importants embouteillages. Les restrictions en vigueur empêchent désormais les entreprises d'ajouter de nouveaux véhicules sans conducteur à leurs flottes, de s'étendre vers de nouvelles villes ou de lancer de nouveaux projets de tests. La date à laquelle les autorités reprendront l'octroi de licences reste inconnue. L'incident de Wuhan a visiblement alarmé Pékin, qui a demandé aux gouvernements locaux de procéder à un examen approfondi du secteur pour éviter la répétition de tels épisodes. Pour l'industrie, ce gel représente un coup de frein significatif : les entreprises qui misaient sur une expansion rapide de leurs flottes se retrouvent bloquées dans leur développement, tandis que la confiance du public envers les véhicules autonomes risque d'être ébranlée à un moment crucial pour le secteur. La Chine s'était positionnée comme l'un des marchés les plus ambitieux au monde pour la mobilité autonome, avec Wuhan comme ville pilote emblématique du déploiement de Baidu Apollo Go. Le pays avait jusqu'ici adopté une approche relativement permissive en matière de licences, cherchant à concurrencer les acteurs américains comme Waymo. Cette suspension marque un tournant réglementaire et soulève des questions sur le rythme réel auquel les véhicules autonomes peuvent être déployés à grande échelle sans risque pour la fluidité du trafic urbain.

RobotiqueReglementation
1 source
Acquisition de Manus : Meta fait marche arrière suite au blocage chinois
Illustration générée par IA
5924Le Big Data 

Acquisition de Manus : Meta fait marche arrière suite au blocage chinois

Le lundi 27 avril 2026, les autorités chinoises ont officiellement interdit la vente de Manus AI à Meta, mettant fin à une opération valorisée à plus de 2 milliards de dollars. Annoncée en décembre 2025, cette acquisition devait permettre au groupe américain de renforcer ses capacités dans les agents IA autonomes. Pékin a invoqué des motifs de sécurité nationale pour bloquer la transaction, et donné à Meta un délai de quelques semaines pour démanteler l'opération et restaurer les actifs de Manus dans leur état initial, y compris la suppression de toutes les données ou technologies éventuellement transférées. D'après le Wall Street Journal, Meta se prépare désormais à annuler l'acquisition. En mars, deux cofondateurs de Manus avaient déjà été empêchés de quitter le territoire chinois, signal fort que le dossier était devenu politiquement sensible. Pour Meta, la perte est à la fois financière et stratégique. Manus était souvent comparée à DeepSeek, la start-up qui avait marqué les esprits début 2025 avec des modèles performants à coûts réduits. Meta ne cherchait pas seulement à acquérir une technologie, mais à intégrer une approche de l'IA plus frugale et plus scalable, destinée à accélérer ses produits d'automatisation et d'outils conversationnels pour les entreprises. Le blocage de l'opération prive le groupe d'une voie rapide vers ce segment en forte croissance, dans un contexte de concurrence intense avec Google, OpenAI et les acteurs chinois. Pour les entreprises technologiques occidentales, ce type d'intervention illustre que les grandes acquisitions dans l'IA ne relèvent plus uniquement de la logique de marché, mais s'inscrivent dans un rapport de force géopolitique direct. La décision de Pékin s'inscrit dans une stratégie plus large et désormais bien établie de contrôle sur les actifs technologiques jugés stratégiques. Bien que Manus soit juridiquement domiciliée à Singapour, elle est développée par la société pékinoise Butterfly Effect, ce qui la rend vulnérable aux injonctions chinoises. Depuis plusieurs mois, Pékin surveille de près les montages dits de "Singapore-washing", pratique consistant pour des start-up chinoises à s'incorporer à l'étranger afin d'attirer des capitaux internationaux et de contourner certaines contraintes réglementaires. Les autorités cherchent explicitement à empêcher les fondateurs chinois de délocaliser leurs activités et leurs technologies critiques. L'enquête sur la transaction avait été ouverte dès janvier 2026, et la menace de sanctions punitives pesait sur Meta si l'accord n'était pas intégralement annulé. À mesure que l'IA devient un levier central de puissance économique et industrielle, ce type de veto devrait se multiplier, redessinant durablement les frontières des fusions-acquisitions technologiques mondiales.

BusinessOpinion
1 source
La Chine prévoit 8 500 robots IA pour son réseau électrique, avec un investissement d'un milliard de dollars
Illustration générée par IA
5925Interesting Engineering 

La Chine prévoit 8 500 robots IA pour son réseau électrique, avec un investissement d'un milliard de dollars

La State Grid Corporation of China, le plus grand opérateur électrique du monde, va déployer environ 8 500 robots dopés à l'intelligence artificielle sur son réseau en 2026, avec un budget de 6,8 milliards de yuans, soit près d'un milliard de dollars. Ces machines couvriront plus de 600 tâches spécialisées : quelque 5 000 chiens-robots quadrupèdes assureront la surveillance et l'inspection des lignes dans les zones montagneuses difficiles d'accès, 500 robots humanoïdes interviendront sur les infrastructures à très haute tension en conditions de travail sous tension, et 3 000 robots à bras doubles sur roues effectueront des opérations de maintenance coordonnée. Les fournisseurs retenus sont parmi les fleurons de la robotique chinoise : Unitree Robotics, Deep Robotics, AgiBot, UBTech Robotics et Fourier Intelligence. En comptant les investissements de China Southern Power Grid et des autres acteurs du secteur, les dépenses totales en robots embarqués devraient dépasser 10 milliards de yuans (1,46 milliard de dollars) pour la seule année 2026. L'enjeu est considérable : automatiser la gestion d'un réseau électrique qui dessert 26 des 31 provinces continentales chinoises, dans des environnements souvent hostiles ou dangereux pour les techniciens humains. En janvier 2026, des chercheurs chinois avaient déjà ramené le temps de réponse aux défaillances de réseau à 0,1 seconde, permettant une isolation et une restauration quasi instantanées des pannes, y compris la détection de micro-défauts de courant à l'échelle de la centaine de milliampères. Confier l'inspection et la maintenance quotidiennes à des robots réduit les risques humains, améliore la continuité de service et libère les techniciens pour des interventions à plus haute valeur ajoutée. Pour les utilisateurs industriels et les ménages, l'objectif est une grille électrique plus fiable et plus résiliente face aux aléas. Ce virage robotique s'inscrit dans une stratégie industrielle plus large. La Chine domine déjà les expéditions mondiales de robots incarnés et vise 2,1 millions d'unités produites d'ici 2030. Le réseau électrique sert ici de laboratoire grandeur nature pour valider des systèmes d'IA en conditions réelles à très grande échelle. China Southern Power Grid a même commencé à exporter ses propres chiens-robots pour l'inspection de sous-stations au Chili, signe que la filière lorgne désormais les marchés internationaux. À mesure que l'autonomie des systèmes augmentera, le secteur énergétique chinois pourrait devenir la référence mondiale pour l'intégration massive de l'IA dans des infrastructures critiques.

RobotiqueActu
1 source
General Motors intègre Gemini dans quatre millions de voitures
Illustration générée par IA
5926The Verge 

General Motors intègre Gemini dans quatre millions de voitures

General Motors va intégrer l'assistant Gemini de Google dans environ quatre millions de véhicules aux États-Unis. Les modèles concernés sont les Cadillac, Chevrolet, Buick et GMC de l'année modèle 2022 et plus récents, à condition qu'ils disposent de la plateforme Google built-in. La mise à jour sera déployée via des mises à jour logicielles over-the-air sur le système d'infodivertissement de GM "sur plusieurs mois", selon l'annonce officielle du constructeur. GM qualifie ce déploiement de "l'un des plus grands déploiements de Gemini dans l'industrie". Les conducteurs bénéficieront d'un remplacement automatique de l'actuel Google Assistant par Gemini, présenté comme un assistant "plus intelligent et plus intuitif" qui continue de s'améliorer dans le temps. Pour les utilisateurs, cela signifie un accès à des capacités conversationnelles nettement plus avancées directement depuis le tableau de bord, sans nécessiter l'achat d'un nouveau véhicule. Ce partenariat s'inscrit dans la dynamique plus large de l'intégration des grands modèles de langage dans l'automobile, un secteur où Google cherche à renforcer sa présence face à des concurrents comme Amazon Alexa Auto ou les assistants propriétaires. GM avait déjà adopté Google built-in comme infrastructure logicielle embarquée, ce qui facilite ce type de transition. La mise à jour over-the-air illustre également la transformation du véhicule en produit logiciel évolutif, une tendance accélérée par Tesla et désormais adoptée par les constructeurs traditionnels.

OutilsActu
1 source
GPT-5.5 : le modèle à base d'agents le plus puissant d'OpenAI, à deux fois le prix de l'API
Illustration générée par IA
5927AI News 

GPT-5.5 : le modèle à base d'agents le plus puissant d'OpenAI, à deux fois le prix de l'API

OpenAI a lancé GPT-5.5 le 23 avril 2026, présenté comme son modèle d'intelligence artificielle agentique le plus capable à ce jour. Conçu dès la base pour planifier, utiliser des outils, vérifier ses propres résultats et exécuter des tâches de façon autonome, il s'agit du premier modèle de base ré-entraîné depuis GPT-4.5, développé en coopération avec les systèmes rack NVIDIA GB200 et GB300 NVL72. Le déploiement a commencé pour les abonnés Plus, Pro, Business et Enterprise dans ChatGPT et Codex, avec un accès API ouvert dès le 24 avril. Sur Terminal-Bench 2.0, un benchmark mesurant les workflows en ligne de commande, GPT-5.5 atteint 82,7 % contre 75,1 % pour GPT-5.4 et 69,4 % pour Claude Opus 4.7. Sur SWE-Bench Pro, qui évalue la résolution de tickets GitHub, il plafonne à 58,6 %, et sur MRCR v2 à un million de tokens, il grimpe à 74,0 % contre seulement 36,6 % pour son prédécesseur. L'API est facturée 5 dollars par million de tokens en entrée et 30 dollars en sortie, soit exactement le double de GPT-5.4. La version Pro, réservée aux abonnements payants, monte à 30 dollars en entrée et 180 dollars en sortie. Ce doublement tarifaire est le principal point de friction, mais OpenAI avance un argument concret : GPT-5.5 accomplit les mêmes tâches Codex avec moins de tokens que son prédécesseur, ce qui ramène le surcoût réel à environ 20 % selon le laboratoire indépendant Artificial Analysis. Pour les entreprises qui déploient des agents automatisés traitant des volumes importants, la différence n'est donc pas nécessairement linéaire avec le prix affiché. En interne, OpenAI affirme que plus de 85 % de ses employés utilisent Codex chaque semaine, y compris les équipes marketing, qui ont notamment utilisé GPT-5.5 pour analyser six mois de demandes de prises de parole et construire un cadre de scoring automatisant les approbations à faible risque. GPT-5.5 s'inscrit dans une course à l'agentique qui structure désormais toute la compétition entre les grands labos d'IA. Le co-fondateur Greg Brockman y voit "un vrai pas vers le type de calcul qu'on attend pour le futur", tandis que le chief scientist Jakub Pachocki concède que les deux dernières années de progrès avaient semblé "étonnamment lentes". Un point reste ouvert : sur MCP Atlas, le benchmark de Scale AI mesurant l'utilisation d'outils via le Model Context Protocol, Claude Opus 4.7 d'Anthropic mène avec 79,1 % et GPT-5.5 n'affiche aucun score, ce qu'OpenAI a néanmoins inclus dans son propre tableau comparatif. Pour les équipes qui construisent des pipelines agentiques en production, les prochaines semaines permettront de déterminer si les performances en benchmark se traduisent en gains réels, notamment pour les agents terminaux non supervisés et l'automatisation DevOps.

LLMsOpinion
1 source
Oxford va concevoir des solutions robotiques de nouvelle génération pour les sites nucléaires avec AtkinsRéalis
Illustration générée par IA
5928Interesting Engineering 

Oxford va concevoir des solutions robotiques de nouvelle génération pour les sites nucléaires avec AtkinsRéalis

AtkinsRéalis, groupe d'ingénierie canadien, et l'Oxford Robotics Institute (ORI) ont annoncé un partenariat mondial pour déployer des robots autonomes et des systèmes d'IA physique dans les centrales nucléaires. L'ORI, rattaché à l'Université d'Oxford et dirigé par le professeur Nick Hawes, apporte sa recherche avancée en robotique, tandis qu'AtkinsRéalis fournit l'expertise industrielle nécessaire pour transformer ces travaux en solutions opérationnelles sur le terrain. Le partenariat s'appuie sur une expérience déjà concrète : les systèmes de l'ORI ont été déployés sur le site de Sellafield, en Angleterre, où ils ont cartographié des zones de radiation et navigué dans des environnements encombrés de débris. Le cycle de développement suit une logique en trois étapes, conception en laboratoire, entraînement dans des jumeaux numériques (répliques virtuelles fidèles des installations), puis intégration dans des robots industriels par AtkinsRéalis avant déploiement dans les sites énergétiques à travers le monde. L'enjeu est considérable : dans l'industrie nucléaire, les zones les plus critiques sont précisément celles où la présence humaine doit être réduite au strict minimum en raison des doses de radiation. Ces robots autonomes, plateformes mobiles d'inspection et bras robotisés, peuvent désormais réaliser des contrôles et des réparations qui exigeaient autrefois des équipements de protection lourds et des interventions minutées. Dotés de capteurs avancés, ils interprètent des environnements dégradés, opèrent dans l'obscurité totale et prennent des décisions en temps réel sans script préprogrammé. Résultat : une meilleure collecte de données pour les décisions opérationnelles, une réduction des coûts d'intervention, et surtout une exposition humaine aux rayonnements ramenée à zéro. Sam Stephens, responsable du numérique nucléaire chez AtkinsRéalis, souligne que l'objectif est de "passer rapidement de la recherche au déploiement opérationnel dans des centrales du monde entier". Ce partenariat s'inscrit dans une tendance de fond qui voit l'industrie nucléaire investir massivement dans la robotique pour sécuriser et moderniser ses opérations. AtkinsRéalis construit activement un écosystème technologique en s'associant à des acteurs comme NVIDIA pour le traitement IA et Kinova pour le matériel robotique. Parallèlement, d'autres institutions avancent sur des problématiques connexes : l'Institute of Science Tokyo a récemment annoncé le développement d'un récepteur Wi-Fi résistant aux radiations, capable de fonctionner sous des doses mille fois supérieures aux seuils tolérés par l'électronique standard, ce qui permettrait aux robots de maintenir des communications haut débit jusque dans le coeur des réacteurs. La prochaine génération de gestion du nucléaire se dessine ainsi : des machines qui ne se fatiguent pas, ne craignent pas les rayonnements, et collectent en continu les données dont dépendent les décisions les plus critiques du secteur.

RobotiqueActu
1 source
IA dans la santé : et si le vrai défi était l’organisation des soins
Illustration générée par IA
5929Le Big Data 

IA dans la santé : et si le vrai défi était l’organisation des soins

Jordan Cohen, cofondateur et PDG de Tessan, entreprise française de téléconsultation réalisant plus de 3 500 actes médicaux par jour, défend une thèse centrale : le vrai défi de l'intelligence artificielle en santé n'est pas technologique, mais organisationnel. Plutôt que d'ajouter de l'IA à un système existant, il s'agit d'utiliser la donnée pour combler le vide structurel entre les consultations, ce moment où le patient disparaît du radar, sans information, sans orientation, sans suivi. Chez Tessan, les algorithmes interviennent à chaque étape du parcours : ils organisent les symptômes en amont, assurent la transcription automatique pendant la consultation et alimentent des assistants opérationnels chez les partenaires. Des bornes de check-up en pharmacie et des objets connectés captent en temps réel des constantes vitales telles que la tension artérielle, la fréquence cardiaque ou la saturation en oxygène, permettant de détecter des signaux faibles et de déclencher, si nécessaire, une téléconsultation ou un suivi renforcé. Ce changement de paradigme touche directement les patients, les médecins et les pharmacies, appelées à devenir des hubs de détection de proximité. Pour les patients, l'enjeu est de rester intégrés en permanence dans un parcours de soins continu, relancés et réévalués si leur état l'exige. Pour les médecins, l'IA n'ambitionne pas de se substituer au diagnostic : elle améliore la qualité du signal en amont, priorise les cas urgents et réduit la charge administrative. En dermatologie, des modèles internes analysent et hiérarchisent les images avant tout examen médical. D'autres recherches portent sur l'estimation de paramètres physiologiques par vidéo, captant des données que le système actuel ignore. L'impact économique est réel : une détection précoce et une orientation plus rapide réduisent les consultations inutiles et les hospitalisations évitables. Le système de santé français s'est historiquement bâti sur une logique réactive : on consulte lorsque le symptôme apparaît, parfois tardivement, quand la situation s'est déjà dégradée. Cette architecture par actes isolés produit un vide que ni le médecin ni le patient ne comblent aujourd'hui, faute d'outils adaptés. L'essor d'infrastructures de données continues, combiné à des algorithmes capables de les activer au bon moment, ouvre la voie à une médecine d'anticipation. Tessan n'est pas seul sur ce terrain : l'ensemble du secteur health-tech s'oriente vers la donnée comme actif central du parcours de soins, avec des pistes allant de la prévention personnalisée à l'intégration dans les systèmes d'information hospitaliers. Ce que souligne Jordan Cohen, c'est que la valeur future de l'IA en santé ne viendra pas de l'acte médical lui-même, mais de la capacité à organiser une continuité durable autour du patient.

SociétéOutil
1 source
Le grand cirque OpenAI avant son introduction en bourse
Illustration générée par IA
5930Next INpact 

Le grand cirque OpenAI avant son introduction en bourse

OpenAI se prépare à une introduction en Bourse prévue pour le quatrième trimestre 2026, sur la base d'une valorisation de 852 milliards de dollars issue de sa dernière levée de fonds de 122 milliards de dollars annoncée le 31 mars. Mais selon des informations du Wall Street Journal, la startup aborderait ce rendez-vous avec des résultats décevants en poche. ChatGPT n'aurait pas franchi le cap symbolique du milliard d'utilisateurs actifs hebdomadaires à la fin 2025, plafonnant à "plus de 900 millions" selon les chiffres officiels. Plus préoccupant encore, l'entreprise n'aurait pas atteint ses objectifs annuels de revenus pour ChatGPT, et les cibles mensuelles de chiffre d'affaires n'auraient pas été honorées à plusieurs reprises depuis le début de l'année, alors que le compteur affiche pourtant 2 milliards de dollars par mois. Ces ratés préoccupent en interne, à commencer par la directrice financière Sarah Friar, qui s'interrogerait sur la capacité d'OpenAI à respecter ses contrats colossaux avec les fournisseurs de capacités de calcul si la croissance des revenus ne s'accélère pas. La CFO et d'autres dirigeants auraient enclenché un effort de maîtrise des coûts et de discipline budgétaire, ce qui les placerait en tension avec les ambitions expansionnistes de Sam Altman. La concurrence a également pesé lourd : Google a intensifié ses efforts avec Gemini, grignotant des parts de marché au point de forcer OpenAI à déclencher une "alerte rouge" pour accélérer la sortie de GPT-5.2. Dans le même temps, l'éparpillement de l'entreprise vers des fonctionnalités comme le "mode adulte" de ChatGPT ou la génération vidéo avec Sora aurait profité à Anthropic, qui a consolidé sa position auprès des développeurs et des entreprises. Face à ces difficultés, OpenAI a opéré un recentrage stratégique en abandonnant les expérimentations jugées périphériques pour revenir aux fondamentaux et travailler à une "superapp" dont les contours commencent à apparaître dans Codex. L'entreprise a réfuté les informations du WSJ, qualifiées d'"appâts à clics", assurant que ses activités grand public et professionnelles progressent, avec une demande en hausse côté entreprises et publicité. Mais l'enjeu reste de taille : une IPO de cette ampleur exige une trajectoire de croissance irréprochable, et chaque trimestre manqué renforce les doutes sur la capacité d'OpenAI à transformer sa domination technologique en un modèle économique durable avant que la concurrence ne réduise encore son avance.

BusinessOpinion
1 source
Meta FAIR publie NeuralSet : un package Python pour la neuro-IA compatible fMRI, M/EEG, signaux neuronaux et embeddings HuggingFace
Illustration générée par IA
5931MarkTechPost 

Meta FAIR publie NeuralSet : un package Python pour la neuro-IA compatible fMRI, M/EEG, signaux neuronaux et embeddings HuggingFace

Le laboratoire FAIR de Meta a publié NeuralSet, un framework Python destiné à la recherche en Neuro-IA, dont l'objectif est de résoudre l'un des obstacles les plus tenaces du domaine : l'intégration des données cérébrales dans les pipelines d'apprentissage profond. Le projet s'appuie sur cinq abstractions centrales, Events, Extractors, Segments, Batch Data et une couche Backend, pour représenter toute expérience neuroscientifique sous forme de métadonnées légères et pilotées par événements, entièrement dissociées des signaux bruts, volumineux et coûteux en mémoire. Chaque enregistrement, qu'il s'agisse d'une session fMRI, d'un mot prononcé lors d'une tâche cognitive ou d'un stimulus vidéo, est modélisé comme un dictionnaire Python léger contenant un type, un temps de début, une durée et un identifiant de session. L'ensemble d'une étude est compilé dans un DataFrame pandas unique, ce qui permet de filtrer et de recombiner des jeux de données massifs sans charger un seul octet de signal en mémoire. Au moment du calcul effectif, des Extractors font le lien avec les bibliothèques spécialisées existantes : FmriExtractor délègue à Nilearn, tandis que MegExtractor et EegExtractor s'appuient sur MNE-Python. L'intégration native de l'écosystème HuggingFace permet d'aligner automatiquement les signaux neuronaux avec des embeddings issus de modèles comme DINOv2, CLIP, Wav2Vec, Whisper, GPT-2 ou LLaMA. L'enjeu est considérable pour la communauté scientifique. Jusqu'à présent, les chercheurs en Neuro-IA devaient construire des pipelines ad hoc pour chaque expérience, avec manipulation manuelle des données, mise en cache artisanale et configurations backend complexes. NeuralSet rend ce travail d'infrastructure partageable et reproductible via des objets Chain chaînables et cachables. Pour les laboratoires qui travaillent avec les jeux de données publics d'OpenNeuro, désormais à l'échelle du téraoctet, ou avec des protocoles expérimentaux intégrant de la parole continue et de la vidéo, ce gain de temps représente des semaines de développement économisées par projet. Cela ouvre également la voie à des comparaisons directes entre modalités cérébrales différentes, fMRI, EEG, iEEG, fNIRS, EMG, spikes, en ne changeant qu'un paramètre de configuration. La sortie de NeuralSet s'inscrit dans un mouvement plus large d'industrialisation des outils Neuro-IA, un champ à l'intersection des neurosciences computationnelles et des grands modèles de langage. Les outils historiques comme MNE-Python, Nilearn ou fMRIPrep, conçus avant l'ère du deep learning, n'étaient pas pensés pour l'alignement temporel avec des embeddings haute dimension ni pour le chargement paresseux de datasets massifs. FAIR, qui mène depuis plusieurs années des travaux sur la correspondance entre activité cérébrale et représentations de modèles d'IA, positionne NeuralSet comme une infrastructure commune pour accélérer cette recherche. Le framework est compatible avec les datasets au format BIDS, standard ouvert dominant en neuroimagerie, ce qui facilite son adoption immédiate sur les grandes bases publiques existantes.

RecherchePaper
1 source
Le VPS piloté par l’IA : De la gestion technique au pilotage de l’infrastructure
Illustration générée par IA
5932FrenchWeb 

Le VPS piloté par l’IA : De la gestion technique au pilotage de l’infrastructure

L'infrastructure informatique a longtemps été reléguée au rang de préoccupation purement technique, confiée à des équipes spécialisées et invisible dans les organigrammes décisionnels. Elle ne remontait vers les directions qu'en cas de crise : incident majeur, panne prolongée, ou dérapage budgétaire. Pour les organisations numériques modernes, ce modèle de gestion réactive a atteint ses limites, la complexité croissante des environnements cloud, combinée à la multiplication des serveurs privés virtuels (VPS), rend la supervision manuelle à la fois coûteuse et insuffisante. L'intégration de l'intelligence artificielle dans la gestion des VPS change fondamentalement ce paradigme. Là où un administrateur système devait intervenir après détection d'un problème, les outils pilotés par l'IA permettent d'anticiper les surcharges, d'ajuster automatiquement les ressources allouées et de détecter des anomalies avant qu'elles n'impactent les utilisateurs. Pour les PME comme pour les grandes structures, cela se traduit par une réduction des temps d'indisponibilité, une meilleure maîtrise des coûts et une infrastructure qui devient enfin un levier stratégique plutôt qu'un poste de dépense subi. Cette transformation s'inscrit dans la dynamique plus large de l'AIOps, l'application de l'IA aux opérations informatiques, qui s'est accélérée depuis 2023 avec la maturité des modèles de langage et des systèmes d'agents autonomes. Les grands acteurs de l'hébergement comme OVHcloud, Hetzner ou DigitalOcean intègrent progressivement ces capacités dans leurs offres, tandis que les DSI réévaluent leur rapport à l'infrastructure. Le VPS piloté par l'IA n'est plus un gadget : il devient une brique de compétitivité opérationnelle.

InfrastructureOpinion
1 source
Claude, l’IA d’ANTHROPIC, entend redessiner l’architecture de la création en s’intégrant aux outils d’Adobe, Ableton et Autodesk
Illustration générée par IA
5933FrenchWeb 

Claude, l’IA d’ANTHROPIC, entend redessiner l’architecture de la création en s’intégrant aux outils d’Adobe, Ableton et Autodesk

Anthropic a annoncé l'intégration de son assistant Claude dans plusieurs des logiciels les plus utilisés par les professionnels créatifs, notamment Adobe, Ableton et Autodesk. Ces connecteurs, développés via le protocole MCP (Model Context Protocol) qu'Anthropic a ouvert à des partenaires tiers, permettent à Claude d'opérer directement à l'intérieur des interfaces de Photoshop, de Pro Tools ou de Fusion 360, sans que l'utilisateur ait besoin de basculer vers une application externe. L'annonce s'inscrit dans une vague d'intégrations que la société multiplie depuis début 2026 pour ancrer Claude dans des flux de production réels. L'enjeu dépasse la simple assistance à la rédaction : Claude peut désormais lire le contexte d'un projet en cours, suggérer des modifications sur des calques, générer des variations musicales ou proposer des ajustements paramétriques dans des modèles 3D. Pour les studios, agences et indépendants, cela réduit concrètement le nombre d'allers-retours entre outils et accélère les phases d'idéation et de prototypage. C'est un changement de paradigme pour des secteurs où le temps de production est directement lié à la rentabilité. Cette stratégie répond à une pression croissante d'OpenAI, Google et des éditeurs logiciels eux-mêmes, qui développent leurs propres couches d'IA natives. En s'appuyant sur des partenariats avec des plateformes déjà installées plutôt que de construire des outils concurrents, Anthropic mise sur l'intégration profonde comme avantage différenciant. La prochaine étape sera de mesurer si ces connecteurs tiennent leurs promesses dans des environnements de production professionnels exigeants.

Alibaba, ByteDance et Zhipu AI figurent dans le premier classement IA du magazine Time
Illustration générée par IA
5934SCMP Tech 

Alibaba, ByteDance et Zhipu AI figurent dans le premier classement IA du magazine Time

Le magazine Time a publié pour la première fois un classement dédié à l'intelligence artificielle, intitulé "10 Most Influential AI Companies of 2026", dans le cadre de son palmarès annuel Time100 Most Influential Companies. Trois entreprises chinoises y figurent : Alibaba Group Holding, ByteDance et Zhipu AI. Les sept autres places sont occupées par six sociétés américaines et par Mistral AI, seule représentante européenne du classement. La présence de trois acteurs chinois dans ce top 10 mondial illustre la montée en puissance de l'écosystème IA de Pékin face à la Silicon Valley. ByteDance, connu pour TikTok, s'est imposé dans la course aux grands modèles de langage avec son modèle Doubao. Alibaba pousse son modèle Qwen, disponible en open source, tandis que Zhipu AI, startup soutenue par des fonds d'État, développe la série GLM. Leur inclusion dans un classement américain aussi emblématique que le Time100 signale que la domination américaine sur l'IA n'est plus une évidence pour les observateurs occidentaux eux-mêmes. Ce classement intervient dans un contexte de compétition technologique intense entre les États-Unis et la Chine, aggravée par les restrictions américaines sur les exportations de puces Nvidia vers Pékin. Malgré ces obstacles, les laboratoires chinois ont continué à publier des modèles compétitifs, notamment après le choc DeepSeek début 2025. L'entrée de Mistral AI dans ce palmarès confirme également que l'Europe cherche à s'imposer comme troisième pôle de l'IA mondiale, même si son poids reste modeste face aux deux géants.

BusinessActu
1 source
SHAREBOT lève plusieurs centaines de millions de yuans pour accélérer son réseau de déploiement de robots
Illustration générée par IA
5935Pandaily 

SHAREBOT lève plusieurs centaines de millions de yuans pour accélérer son réseau de déploiement de robots

SHAREBOT, plateforme chinoise de location de robots, a bouclé un nouveau tour de table de pré-série A d'un montant de plusieurs centaines de millions de yuans, son quatrième financement en seulement quatre mois d'existence. Le tour a attiré des investisseurs stratégiques de premier plan, notamment Chia Tai Robot (filiale du conglomérat thaïlandais CP Group), Changxin Shares, ainsi que deux sociétés cotées en bourse, Mecury Intelligent (002881.SZ) et Lens Technology (300433.SZ / 06613.HK). Les investisseurs historiques Mingjia Capital, Zhixing Investment et Ruizi Venture Capital ont pour leur part sursouscrit massivement leurs allocations. À la mi-avril 2026, la plateforme SHAREBOT intégrait plus de 4 000 robots déployables, avec une couverture s'étendant à plus de 100 villes chinoises. Les fonds levés seront principalement affectés au développement d'un réseau national de distribution et de services, à l'amélioration des systèmes de gestion et de dispatch des actifs robotiques, au renforcement des infrastructures d'assurance logistique, et à l'expansion des capacités à l'international. Ce financement illustre la transition en cours dans l'industrie robotique chinoise : la compétition ne se joue plus sur les prouesses techniques ou les démonstrations, mais sur la capacité d'exécution à grande échelle. Le PDG Li Yiyan a déclaré que l'enjeu n'est pas d'augmenter simplement le volume de locations, mais de construire un système intégré couvrant l'approvisionnement en équipements, la mise en relation avec les besoins des entreprises, les services urbains, la garantie de livraison et les réseaux mondiaux. Pour les clients industriels et commerciaux, cela signifie un accès à des robots opérationnels de manière standardisée, sans avoir à gérer la complexité de la maintenance ou du renouvellement du parc. SHAREBOT a également noué un partenariat avec PICC Property & Casualty pour créer un système d'assurance dédié à la robotique, couvrant déjà plus d'un millier de robots et traitant ses premiers sinistres dans le domaine de l'IA incarnée. La montée en puissance de SHAREBOT s'inscrit dans un contexte d'accélération du déploiement commercial des robots en Chine, porté par des investissements massifs dans l'IA embarquée et la robotique humanoïde. L'entrée de CP Group via Chia Tai Robot est particulièrement significative : le conglomérat a précédemment investi dans Zhiyuan Robotics, spécialiste de l'IA incarnée, signalant une stratégie cohérente pour dominer l'écosystème robotique en Asie et au-delà. L'annonce du 17 avril 2026 d'une expansion internationale sous la marque SHAREBOT, combinée à la participation de Lens Technology et Mecury Intelligent, renforce les capacités de la plateforme en connectivité des appareils, gestion à distance, dispatch des commandes et coordination de la chaîne d'approvisionnement mondiale. Alors que le secteur bascule de la phase de prototypage vers le déploiement commercial répété et massif, SHAREBOT entend s'imposer comme la couche applicative incontournable permettant aux robots de quitter les labs pour s'intégrer durablement dans l'économie réelle.

RobotiqueActu
1 source
smol-audio : collection de notebooks Colab pour affiner Whisper, Parakeet, Voxtral, Granite Speech et Audio Flamingo 3
Illustration générée par IA
5936MarkTechPost 

smol-audio : collection de notebooks Colab pour affiner Whisper, Parakeet, Voxtral, Granite Speech et Audio Flamingo 3

L'équipe Deep-unlearning a publié smol-audio, une collection de notebooks Jupyter autonomes conçus pour faciliter le fine-tuning des grands modèles audio du moment. Le dépôt, distribué sous licence Apache-2.0, couvre quatre familles de modèles de reconnaissance automatique de la parole : Whisper d'OpenAI, Parakeet de NVIDIA, Voxtral de Mistral et Granite Speech d'IBM, ainsi que des recettes pour la compréhension audio avec Audio Flamingo 3. Chaque notebook est conçu pour s'exécuter directement dans Google Colab avec un runtime de 16 Go, ce qui le rend accessible gratuitement sans installation locale. L'ensemble repose exclusivement sur l'écosystème Hugging Face, notamment les bibliothèques transformers, datasets, peft et accelerate. L'architecture de chaque modèle impose un traitement différent : Whisper utilise une approche séquence-à-séquence classique, Parakeet repose sur le CTC (Connectionist Temporal Classification), plus rapide à l'inférence, tandis que Voxtral est construit sur un backbone de grand modèle de langage, Ministral 3B pour sa version Mini et Mistral Small 3.1 24B pour sa version Small, ce qui nécessite un masquage des tokens de prompt pendant l'entraînement pour éviter des dynamiques dégradées. Ce projet comble un vide réel dans la chaîne de travail des ingénieurs en machine learning. Jusqu'ici, les connaissances pratiques pour adapter ces modèles à un nouveau domaine ou une nouvelle langue étaient dispersées entre des issues GitHub, des billets de blog et des notebooks privés jamais partagés. smol-audio expose chaque étape du pipeline sans abstraire la complexité derrière des fonctions de commodité : la boucle d'entraînement est lisible, le pipeline de données est explicite et la configuration est modifiable directement. Pour un ingénieur débutant, c'est un outil pédagogique ; pour un praticien expérimenté, c'est un point de départ de référence qui évite des heures de débogage. Le support du fine-tuning partiel via LoRA (Low-Rank Adaptation) est particulièrement utile pour les modèles lourds comme Parakeet ou Voxtral, où un fine-tuning complet dépasse souvent les ressources disponibles. Ce lancement s'inscrit dans une année particulièrement dense pour l'audio IA. Les modèles de reconnaissance vocale ont bondi en qualité avec Whisper, Parakeet et Voxtral ; la synthèse vocale conversationnelle a franchi un cap avec Dia-1.6B de Nari Labs ; et Meta a publié le Perception Encoder Audiovisual (PE-AV), un encodeur multimodal capable de construire un espace d'embedding commun entre audio, vidéo et texte. La frontière technique avance vite, mais l'outillage pratique peine à suivre. smol-audio tente de réduire cet écart en standardisant les recettes d'entraînement autour de l'écosystème Hugging Face, qui s'impose progressivement comme infrastructure commune pour l'expérimentation sur ces modèles. Le dépôt devrait s'étoffer à mesure que de nouveaux modèles audio émergent.

OutilsTuto
1 source
Implémentation Python pour le benchmarking de parsing de documents avec LlamaIndex ParseBench
Illustration générée par IA
5937MarkTechPost 

Implémentation Python pour le benchmarking de parsing de documents avec LlamaIndex ParseBench

LlamaIndex a publié ParseBench, un jeu de données de référence conçu pour évaluer de manière rigoureuse les systèmes d'analyse de documents. Hébergé sur Hugging Face sous l'identifiant llamaindex/ParseBench, ce benchmark est structuré autour de plusieurs dimensions d'évaluation distinctes : extraction de texte brut, reconnaissance de tableaux, interprétation de graphiques et respect de la mise en page. La procédure d'utilisation s'appuie sur un pipeline Python standardisé mobilisant des bibliothèques open source comme datasets, pandas, PyMuPDF (alias fitz), rapidfuzz et rich. Les données sont distribuées au format JSONL, avec des fichiers PDF associés accessibles directement depuis le dépôt Hugging Face via hfhubdownload. Le pipeline de référence décrit dans le tutoriel officiel construit un extracteur de texte léger basé sur PyMuPDF, compare les sorties aux annotations de référence grâce à des métriques de similarité floue (fuzz), et produit des visualisations de la distribution des exemples par dimension. L'importance de ParseBench réside dans le manque criant de standards objectifs pour comparer les moteurs d'analyse documentaire, qu'il s'agisse de solutions OCR classiques, de modèles de vision-langage ou de parseurs hybrides. Jusqu'ici, les équipes évaluaient leurs systèmes sur des jeux de données internes non reproductibles, rendant toute comparaison inter-organisations impossible. Avec ce benchmark unifié, les développeurs peuvent mesurer la qualité de l'extraction sur chaque dimension séparément, texte, tableaux, graphiques, layout, et identifier précisément où leurs pipelines échouent. Pour les entreprises qui traitent des volumes importants de documents (contrats, rapports financiers, publications scientifiques), disposer d'un tel outil de mesure change concrètement la façon dont on sélectionne et valide un moteur de parsing avant de le passer en production. ParseBench s'inscrit dans une tendance plus large portée par LlamaIndex, qui cherche à standardiser l'outillage autour des pipelines RAG (retrieval-augmented generation). La qualité de l'extraction documentaire est en effet le maillon critique souvent négligé de ces architectures : un PDF mal parsé produit des embeddings bruités, ce qui dégrade directement les réponses des assistants IA en aval. Plusieurs acteurs du secteur, comme Unstructured, LlamaParse ou encore Docling d'IBM, se livrent une concurrence directe sur ce segment. L'arrivée d'un benchmark public et reproductible oblige désormais ces acteurs à rendre des comptes sur des métriques communes. Les prochaines étapes probables incluent l'intégration de modèles de vision-langage comme GPT-4o ou Qwen-VL comme baselines supplémentaires, et l'extension du benchmark à des formats au-delà du PDF.

OutilsOutil
1 source
De Canva à MidJourney : comment les outils IA transforment le design des cartes de visite pour les entrepreneurs
Illustration générée par IA
5938Le Big Data 

De Canva à MidJourney : comment les outils IA transforment le design des cartes de visite pour les entrepreneurs

En janvier 2026, Canva a franchi le seuil des 200 millions d'utilisateurs actifs, dont 18 millions en France, confirmant l'entrée massive des outils d'IA générative dans les workflows créatifs. Sa suite Magic Studio permet désormais de générer des mises en page complètes via de simples prompts textuels, tandis que des outils comme MidJourney V6 et Adobe Firefly 3 s'intègrent dans les processus des designers professionnels pour produire des visuels, décliner des chartes graphiques ou créer des variations de logo. Selon Adobe, le temps moyen pour concevoir une identité visuelle serait passé de six heures à moins de 45 minutes. Appliqué à la carte de visite, ce gain se traduit par un coût de production compris entre 15 et 35 euros pour 100 exemplaires avec finition premium, contre plusieurs centaines d'euros en agence. En 2025, le marché français de la carte de visite pesait 310 millions d'euros, en hausse de 8 % sur un an, porté par la personnalisation et les finitions haut de gamme comme le soft-touch ou le vernis sélectif. Signe de la convergence entre digital et physique, 67 % des cartes commandées en ligne intègrent désormais un QR code renvoyant vers un profil LinkedIn ou un portfolio. Cette démocratisation du design représente un changement structurel pour les entrepreneurs et les freelances, qui peuvent désormais produire un visuel professionnel en moins d'une heure, sans maîtriser Illustrator ni mandater une agence. Mais l'IA atteint ses limites précisément là où la chaîne graphique devient technique : gestion des fonds perdus, conversion des profils colorimétriques RVB vers CMJN, cohérence typographique entre formats. Un design impeccable à l'écran peut aboutir à une impression décevante si le fichier n'est pas correctement préparé. La vérification technique du fichier avant production reste donc un maillon critique que les outils génératifs ne remplacent pas encore. La résistance de la carte physique à la dématérialisation s'explique par des données empiriques : selon la Data & Marketing Association, le taux de mémorisation d'une carte papier échangée en événement de networking est 70 % supérieur à celui de coordonnées partagées numériquement. Ce chiffre explique la croissance soutenue du marché malgré l'omniprésence des smartphones et des outils de partage de contacts. Dans ce contexte, l'IA a éliminé la barrière du design, mais elle a simultanément déplacé le curseur de différenciation vers la qualité d'impression. Pour les créateurs de contenus visuels comme pour les imprimeurs en ligne, l'enjeu des prochains mois sera d'intégrer la vérification de fichiers et les conseils techniques directement dans les interfaces de design assisté par IA, pour fermer la boucle entre génération et production physique.

OutilsOutil
1 source
SenseTime lance SenseNova U1, vers une ère de modèles unifiés pour la compréhension et la génération
Illustration générée par IA
5939Pandaily 

SenseTime lance SenseNova U1, vers une ère de modèles unifiés pour la compréhension et la génération

SenseTime a officiellement lancé et mis en open source le 29 avril 2026 sa série SenseNova U1, un modèle unifié natif combinant compréhension et génération multimodale. Développé sur l'architecture maison NEO-unify présentée en mars 2026, ce modèle intègre dans un cadre unique la compréhension, le raisonnement et la génération visuelle et textuelle. La série se décline en deux variantes légères : SenseNova-U1-8B-MoT, basé sur une architecture dense, et SenseNova-U1-A3B-MoT, reposant sur un mélange d'experts (MoE). Ce qui distingue fondamentalement SenseNova U1 des approches dominantes, c'est l'abandon des encodeurs visuels séparés (VE) et des autoencodeurs variationnels (VAE) traditionnellement empilés dans les modèles multimodaux. NEO-unify reconstruit à la place un espace de représentation unifié profondément intégré à chaque couche de calcul, traitant le langage et les entrées visuelles comme un ensemble composite cohérent. Ce choix architectural permet d'améliorer simultanément les capacités de compréhension et de génération, en préservant à la fois la richesse sémantique et la fidélité visuelle au niveau pixel. Le modèle affiche également de bonnes performances en raisonnement logique et en intelligence spatiale, notamment pour interpréter des environnements physiques complexes. SenseTime, géant chinois de la vision par ordinateur et de l'intelligence artificielle, positionne SenseNova U1 comme une brique fondatrice pour la robotique incarnée : l'objectif est qu'un seul modèle gère en boucle fermée la perception, le raisonnement et l'exécution de tâches physiques. Ce lancement s'inscrit dans une course mondiale à l'unification des modalités, où des acteurs comme Google DeepMind, Meta ou des startups chinoises cherchent à dépasser les architectures hybrides au profit de modèles natifs plus cohérents. La mise en open source de la version légère signal une stratégie d'adoption communautaire, tout en réservant probablement les versions plus puissantes à un usage commercial ou propriétaire.

LLMsOpinion
1 source
GPT-5.5 devient fou : il insère des gobelins partout dans ses réponses !
Illustration générée par IA
5940Le Big Data 

GPT-5.5 devient fou : il insère des gobelins partout dans ses réponses !

GPT-5.5, le dernier modèle d'OpenAI, s'est mis à glisser des gobelins, gremlins, ratons laveurs, trolls, ogres et pigeons dans ses réponses, même lorsque le sujet n'a aucun rapport avec ces créatures. Le phénomène a été documenté publiquement le 28 avril 2026 par Arena.ai, qui a publié un graphique montrant l'évolution de l'utilisation de ces termes par les modèles GPT au fil du temps. La réaction d'OpenAI ne s'est pas fait attendre : des développeurs ont découvert dans Codex une instruction système associée à GPT-5.5 qui interdit explicitement au modèle de mentionner gobelins, gremlins, ratons laveurs, trolls, ogres ou pigeons, sauf si cela est strictement pertinent à la demande de l'utilisateur. Ce comportement, qualifié par plusieurs spécialistes d'« effondrement de mode », serait lié aux données d'entraînement du modèle : GPT-5.5 aurait développé un tic linguistique, répétant certains motifs de façon excessive et incontrôlée. Si quelques utilisateurs y voient une touche d'humour involontaire et presque attachante, la manière dont OpenAI a choisi de réagir suscite davantage de critiques. Sur X, un utilisateur a résumé l'incompréhension générale : face à un comportement aussi inattendu dans un système aussi avancé, la réponse n'a pas été de chercher la cause profonde du problème, mais simplement d'ordonner au modèle de ne plus mentionner ces créatures. D'autres interprètent l'instruction comme une hostilité ciblée envers les pigeons et les ratons laveurs, ce qui n'a fait qu'amplifier les moqueries en ligne. Ce bug illustre un problème fondamental que l'industrie de l'IA peine encore à résoudre : les grands modèles de langage restent des boîtes noires. Comme l'a formulé un utilisateur de Reddit, on peut identifier un comportement anormal et le corriger par instruction directe, mais expliquer précisément pourquoi il est apparu reste hors de portée. OpenAI n'est pas la première entreprise confrontée à des dérives comportementales inattendues dans ses modèles, et chaque incident de ce type relance le débat sur l'interprétabilité des systèmes d'IA et la solidité des processus d'entraînement. Sam Altman a choisi de désamorcer la situation avec humour, partageant une capture d'écran évoquant l'entraînement de GPT-6 avec « encore plus de gobelins », mais cette légèreté n'efface pas la question de fond : à mesure que ces modèles deviennent plus puissants et plus intégrés dans des outils professionnels comme Codex, leur imprévisibilité devient un risque difficile à ignorer.

LLMsOpinion
1 source