Actualités IA — page 297

7 592 articles au fil, du plus récent au plus ancien.

51

5921Siècle Digital 

OVHcloud rachète Dragon LLM : le pari fou d’Octave Klaba pour construire une IA souveraine européenne

OVHcloud franchit un cap stratégique majeur en annonçant le 25 mars 2026 l'acquisition de Dragon LLM, une startup parisienne spécialisée dans les grands modèles de langage. Ce mouvement marque une rupture nette dans le positionnement de l'hébergeur européen : jusqu'ici fournisseur d'infrastructure, OVHcloud devient acteur à part entière de la chaîne IA, de la couche matérielle jusqu'au modèle lui-même. L'enjeu dépasse largement un simple rachat technologique. Dans un contexte où l'Europe peine à produire des modèles compétitifs face aux géants américains et chinois, cette acquisition s'inscrit dans la volonté de construire une IA souveraine européenne, hébergée, entraînée et contrôlée sur le territoire européen, avec les garanties réglementaires que cela implique pour les entreprises et institutions publiques soumises au RGPD ou à des exigences de confidentialité strictes. Dragon LLM est le fruit de 15 ans de travail en recherche et développement sur les architectures de modèles de langage. La startup parisienne apporte à OVHcloud non seulement sa technologie, mais aussi ses équipes d'ingénieurs et de chercheurs. Octave Klaba, fondateur et figure centrale du groupe, pilote personnellement ce pari industriel, affirmant ainsi que l'Europe a les moyens de ne pas déléguer sa souveraineté numérique aux seules plateformes anglo-saxonnes. Cette acquisition positionne OVHcloud en concurrent direct des offres IA managées d'AWS, Azure et Google Cloud, avec l'argument différenciant de la localisation des données et du contrôle européen de la stack complète. La prochaine étape sera de démontrer que Dragon LLM peut tenir la comparaison en termes de performance face à des modèles comme GPT-4o ou Gemini, un défi technique considérable, mais désormais officiellement assumé.

Business⚡Actu

1 source

43

5922Siècle Digital 

Pourquoi OpenAI ferme Sora malgré son succès fulgurant ?

OpenAI a annoncé la fermeture de Sora, son générateur de vidéos par intelligence artificielle, à peine six mois après son lancement officiel. Le message publié sur X par la société se veut sobre : des remerciements adressés à la communauté créatrice qui s'était formée autour de l'outil, sans explication technique ni justification stratégique approfondie. Une décision qui a pris de court l'ensemble de l'écosystème IA. L'arrêt de Sora interpelle d'autant plus que le produit avait suscité un engouement considérable à sa sortie. Capable de générer des vidéos réalistes à partir de simples descriptions textuelles, il représentait une avancée majeure dans le domaine de la génération multimodale et positionnait OpenAI comme leader incontesté face à des concurrents comme Runway, Pika ou Google avec Veo. Sa fermeture soulève des questions fondamentales sur la viabilité économique de tels modèles et sur la stratégie produit de l'entreprise. Les détails précis de cette décision restent en partie opaques. Ce qui est certain, c'est que Sora avait attiré une communauté d'utilisateurs et de créateurs significative en un temps record. Le coût d'inférence des modèles vidéo, notoirement plus élevé que celui des modèles texte ou image, constitue l'une des hypothèses avancées pour expliquer cette fermeture anticipée. Maintenir un service de génération vidéo à grande échelle représente des charges infrastructurelles considérables, même pour une entreprise valorisée à plusieurs dizaines de milliards de $. Cette décision pourrait signaler un recentrage stratégique d'OpenAI sur ses produits phares, ChatGPT et l'API, au détriment d'expériences plus coûteuses à opérer. Elle intervient dans un contexte de pression accrue sur la rentabilité, alors que la société cherche à démontrer la viabilité de son modèle économique à ses investisseurs.

Business❧Opinion

1 source

41

5923AI News 

L'automatisation robotisée reste pertinente, mais l'IA en transforme le fonctionnement

L'automatisation robotisée des processus (RPA) n'est pas morte, mais elle se réinvente profondément sous l'influence de l'intelligence artificielle. Longtemps limitée aux tâches répétitives et structurées, saisie de données, traitement de factures, contrôles de conformité, la RPA se retrouve aujourd'hui intégrée dans des architectures hybrides où elle coexiste avec des modèles de langage et du machine learning. Le secteur entre dans une phase de transition graduelle, non de remplacement brutal. L'enjeu est majeur pour les entreprises qui ont massivement investi dans l'automatisation ces dernières années, notamment dans la finance, les opérations et le support client. La RPA classique, fondée sur des règles prédéfinies, peine à gérer les données non structurées, messages, documents, images, et se révèle fragile dès que les processus évoluent. Chaque modification entraîne des coûts de maintenance croissants, érodant progressivement la valeur des déploiements existants. Gartner a identifié une nouvelle génération de systèmes d'automatisation dits "adaptatifs", capables de combiner RPA et IA pour traiter un éventail bien plus large d'entrées. Des acteurs historiques du secteur comme Appian et Blue Prism, cette dernière désormais intégrée à SS&C Technologies, ont élargi leurs plateformes vers ce que l'industrie nomme l'intelligent automation : des flux de travail où l'IA interprète les données en amont, puis transmet des informations structurées aux bots RPA pour exécution. Les recherches de McKinsey & Company suggèrent par ailleurs que l'IA générative pourrait automatiser des tâches de prise de décision et de communication, bien au-delà du simple traitement de données routinier. La transition reste néanmoins prudente. De nombreuses organisations conservent leurs systèmes RPA existants là où les processus sont stables et bien documentés, paie, reporting financier, audits réglementaires, précisément parce que la prévisibilité des bots constitue un atout dans les environnements régulés. La vraie question pour les DSI n'est plus "RPA ou IA ?" mais plutôt comment calibrer l'équilibre entre les deux pour maximiser la valeur sans repartir de zéro.

Outils⚒Outil

1 source

36

5924ZDNET FR 

Robot de livraison : un accident à Chicago relance le débat sur la sécurité

Un robot de livraison autonome est entré en collision avec un arrêt de bus en plein cœur de Chicago, provoquant un incident qui relance le débat sur la sécurité de ces engins dans l'espace urbain. Cet accident spectaculaire survient alors que les déploiements de robots de livraison se multiplient dans les grandes villes américaines, soulevant des questions sur leur cohabitation avec les piétons et les infrastructures publiques. L'incident illustre les tensions croissantes entre l'essor des technologies de mobilité autonome et les exigences de sécurité dans des environnements urbains denses et imprévisibles. Pour les municipalités, la question n'est plus théorique : comment réguler efficacement des machines qui partagent trottoirs et carrefours avec des milliers de passants chaque jour ? Cet accident s'inscrit dans une série d'incidents impliquant des robots de livraison autonomes aux États-Unis, fragilisant l'image d'une industrie qui peine encore à convaincre élus et riverains. Les opérateurs de ces flottes, parmi lesquels figurent des acteurs comme Starship Technologies ou Serve Robotics, font face à une pression réglementaire croissante, certaines villes ayant déjà imposé des restrictions de vitesse ou de zones de circulation pour ces appareils. L'incident de Chicago pourrait accélérer les discussions législatives autour d'un cadre fédéral ou municipal plus strict pour les robots urbains. Si l'industrie mise sur des améliorations continues des systèmes de perception et d'évitement d'obstacles, les critiques estiment que le rythme des déploiements commerciaux dépasse encore la maturité réelle de ces technologies en conditions réelles.

Robotique⚡Actu

1 source

46

5925Le Big Data 

Unitree Robotics entre en Bourse à Shanghai et vise une levée de 610 M$

Unitree Robotics, startup chinoise fondée en 2016 et basée à Hangzhou, a déposé le 20 mars sa demande d'introduction en Bourse sur le marché STAR de Shanghai, segment dédié aux entreprises technologiques innovantes. L'examen préliminaire a été validé rapidement, et le dossier devrait être étudié dans les prochaines semaines. La société vise une levée de 4,2 milliards de yuans, soit environ 610 millions de dollars. La moitié de ces fonds sera consacrée à la recherche et au développement en robotique et en intelligence artificielle, le reste finançant de nouveaux produits et le renforcement des capacités de production. Cette décision intervient plus tôt que prévu : un dépôt était initialement envisagé entre octobre et décembre 2025. La trajectoire financière de l'entreprise explique en partie cette accélération : son chiffre d'affaires a bondi de 335 % en 2025, atteignant 1,708 milliard de yuans, tandis que son bénéfice net a explosé de près de 700 %. Les robots humanoïdes en sont le principal moteur, représentant 51,5 % des revenus sur les neuf premiers mois de 2025, contre 27,6 % l'année précédente. Cette introduction en Bourse marque une étape stratégique dans un secteur en pleine ébullition. Unitree s'impose déjà comme le leader mondial des humanoïdes bipèdes, avec 5 500 unités expédiées en 2025, soit 32,4 % de part de marché mondial. Ses concurrents directs sont loin derrière : AgiBot a livré environ 5 100 robots sur la même période, et UBTech, pourtant déjà coté à Hong Kong depuis 2023, n'en a expédié que 1 000. Les fonds levés en Bourse permettraient à Unitree de consolider cette avance technologique et industrielle à un moment où la concurrence mondiale s'intensifie, notamment face aux acteurs américains. La baisse du prix de son robot phare G1, désormais accessible à partir de 13 500 dollars, comprime la marge brute, mais positionne l'entreprise pour conquérir de nouveaux marchés à grande échelle. L'enjeu est de transformer une domination en volumes en leadership durable sur un marché encore très jeune, où les usages industriels réels restent limités, accueil, visites guidées et tâches simples en usine représentent encore 50 à 70 % des revenus. La Chine a placé la robotique humanoïde et l'IA incarnée au rang de priorités stratégiques nationales, au même titre que l'informatique quantique, la 6G ou la fusion nucléaire, avec l'ambition de déployer massivement ces technologies dans ses chaînes de production pour stimuler la productivité. Unitree bénéficie de cet écosystème favorable, adossé à des chaînes d'approvisionnement diversifiées et largement indépendantes, ce qui lui confère un avantage structurel dans la course mondiale à la robotique de masse.

Business⚡Actu

1 source

44

5926MarkTechPost 

Tencent AI publie Covo-Audio en open source : un modèle de langage vocal 7B pour la conversation audio en temps réel

Tencent AI Lab a publié Covo-Audio, un modèle de langage audio de 7 milliards de paramètres conçu pour traiter directement des entrées audio continues et générer des sorties vocales au sein d'une seule architecture unifiée. Le système repose sur quatre composants principaux : un encodeur audio basé sur Whisper-large-v3, un adaptateur qui réduit le débit de 50 Hz à 6,25 Hz, un backbone LLM fondé sur Qwen2.5-7B-Base, et un décodeur capable de reconstruire des formes d'onde haute-fidélité à 24 000 Hz. Une innovation centrale, baptisée « Hierarchical Tri-modal Speech-Text Interleaving », aligne simultanément les caractéristiques acoustiques continues, les tokens vocaux discrets et le texte en langage naturel, permettant une cohérence sémantique aussi bien au niveau des phrases que des utterances longues. L'entraînement a impliqué un pipeline en deux étapes traitant au total 2 000 milliards de tokens. Le modèle intègre également une stratégie de découplage intelligence-voix qui sépare le raisonnement dialogique du rendu vocal, minimisant ainsi le besoin de données d'entraînement spécifiques à chaque locuteur. Une variante temps-réel, Covo-Audio-Chat-FD, permet une communication en duplex intégral avec des chunks audio de 0,16 seconde et des tokens spéciaux pour gérer les interruptions et les transitions de parole. Covo-Audio représente une avancée significative vers des assistants vocaux capables de raisonner en temps réel sans passer par des pipelines séparés de reconnaissance vocale et de génération de texte. La capacité duplex intégral, où le modèle peut écouter et parler simultanément, détecter les interruptions et reprendre l'écoute instantanément, rapproche considérablement les systèmes IA d'une conversation naturelle fluide. La technique de découplage intelligence-voix est particulièrement notable sur le plan commercial : elle permet de personnaliser la voix d'un assistant avec très peu de données TTS, sans sacrifier les capacités de raisonnement, ce qui réduit drastiquement les coûts de déploiement de voix personnalisées. L'intégration du raisonnement en chaîne de pensée (Chain-of-Thought) directement dans le flux audio ouvre également la voie à des assistants vocaux capables de traiter des requêtes complexes en direct, là où les systèmes actuels se limitent souvent à des réponses factuelles simples. Ce lancement s'inscrit dans une course industrielle intense autour des modèles audio de bout en bout, avec des acteurs comme OpenAI (GPT-4o), Google (Gemini Live) et Meta qui investissent massivement dans la suppression des latences introduites par les architectures en pipeline classiques. La mise en open source de Covo-Audio par Tencent positionne le laboratoire comme un contributeur majeur à cet espace, tout en offrant à la communauté de recherche une base solide pour explorer les interactions vocales intelligentes multimodales.

LLMs❧Opinion

1 source

47

5927Le Big Data 

Darktrace, la plateforme de cyberdéfense nourrit par l’IA

Fondée à Cambridge en 2013 par d'anciens responsables du renseignement britannique, dont un ex-directeur des systèmes d'information de la CIA et un ancien du MI5, ainsi que des mathématiciens de l'université de Cambridge, Darktrace s'est imposée en une décennie comme l'un des leaders mondiaux de la cybersécurité alimentée par l'intelligence artificielle. L'entreprise protège aujourd'hui plus de 9 000 organisations dans plus de 100 pays, emploie plus de 2 000 personnes réparties dans une quarantaine de bureaux, et propose une gamme de produits structurée autour de quatre piliers, Detect, Prevent, Respond et Heal, couvrant l'intégralité du cycle de défense numérique. En 2024, le fonds d'investissement américain Thoma Bravo a finalisé son acquisition pour 5,32 milliards de dollars, concluant des négociations entamées dès 2022. Ce rachat confirme la valeur stratégique que représente une plateforme capable de détecter les menaces en temps réel sans dépendre de signatures ou de règles prédéfinies. Là où les solutions traditionnelles réagissent à des attaques connues, Darktrace modélise le comportement "normal" de chaque réseau et identifie toute déviation, même inédite, une approche particulièrement utile face aux ransomwares et aux attaques zero-day. Ses outils comme l'Enterprise Immune System ou le Cyber AI Analyst permettent aux responsables sécurité (RSSI) d'anticiper les vecteurs d'attaque avant qu'ils ne soient exploités, réduisant ainsi la fenêtre d'exposition. Pour les entreprises de toutes tailles, des multinationales comme Airbus ou Sony aux PME, cette capacité d'adaptation automatique représente un avantage concret face à des attaquants de plus en plus sophistiqués. La trajectoire de Darktrace illustre l'appétit croissant des investisseurs pour la cybersécurité boostée par l'IA. Dès 2018, une levée de fonds portait sa valorisation à 1,65 milliard de dollars, avec 229 millions collectés depuis sa création. En 2021, son introduction à la bourse de Londres lui conférait une capitalisation de 2,37 milliards, et Fast Company la couronnait "entreprise la plus innovante en IA". Thoma Bravo, qui a déjà acquis Proofpoint, SailPoint et Sophos, consolide ainsi un portefeuille de poids lourds de la sécurité informatique, pariant sur la convergence entre IA et cyberdéfense comme marché structurant des années à venir. Dans un contexte où les cyberattaques se multiplient et se complexifient, les plateformes capables d'apprendre et de s'adapter autonomiquement, plutôt que d'attendre une mise à jour de base de données, ont toutes les chances de s'imposer comme infrastructure critique pour les organisations mondiales.

Sécurité⚡Actu

1 source

46

5928La Tribune 

OpenAI abandonne ses paris ratés et se concentre sur les entreprises

OpenAI opère un virage stratégique majeur, abandonnant plusieurs initiatives jugées peu rentables pour concentrer ses efforts sur la monétisation rapide de son activité. La société a notamment mis en retrait l'application vidéo Sora, fait marche arrière sur l'intégration du paiement directement dans ChatGPT, et lance une offensive commerciale ciblant les entreprises via le recrutement d'« ambassadeurs techniques ». Ce recentrage intervient dans un contexte de pression croissante sur la rentabilité d'OpenAI, qui se prépare à une prochaine entrée en Bourse. La période d'expérimentation tous azimuts semble révolue : la priorité est désormais de rationaliser les coûts et de générer des revenus prévisibles, notamment via le déploiement d'agents IA auprès des clients entreprises, segment à plus forte valeur que le grand public. La stratégie de ces « ambassadeurs techniques » vise à accompagner les entreprises dans l'adoption concrète des agents d'OpenAI, signalant un pivot vers une approche plus commerciale et orientée B2B. L'abandon du paiement intégré dans ChatGPT suggère que la monétisation directe auprès des consommateurs s'est révélée moins porteuse qu'anticipé, tandis que les grandes organisations restent la cible prioritaire. Cette rationalisation traduit une maturité forcée pour OpenAI : après des années d'innovation débridée financée par des levées de fonds colossales, l'heure est au pragmatisme économique. Le marché surveillera de près si cette discipline retrouvée suffira à justifier la valorisation attendue lors de l'introduction en Bourse.

Business❧Opinion

1 source

43

5929ZDNET FR 

IA et fracture économique : l'avertissement de Larry Fink (BlackRock)

Larry Fink, PDG de BlackRock, le plus grand gestionnaire d'actifs au monde avec plus de 10 000 milliards de $ sous gestion, lance un avertissement sévère : l'intelligence artificielle pourrait devenir le moteur d'une fracture économique sans précédent si ses bénéfices restent concentrés entre les mains des seuls détenteurs de capital. Le constat est structurel. Contrairement aux révolutions industrielles précédentes qui ont, à terme, redistribué de la valeur via l'emploi et les salaires, l'IA automatise des tâches cognitives à grande échelle, menaçant directement les classes moyennes et les travailleurs qualifiés. Si les gains de productivité générés par l'IA ne bénéficient qu'aux actionnaires, l'écart de richesse entre propriétaires d'actifs et salariés risque de s'accélérer de façon structurelle et durable. Fink plaide pour une démocratisation de l'accès à l'investissement comme réponse systémique : permettre à davantage de citoyens de devenir propriétaires d'actifs financiers, actions, infrastructures, immobilier, afin de participer aux rendements générés par l'IA. Il s'agit moins d'une critique de la technologie que d'un appel à repenser les mécanismes de distribution de la valeur économique à l'ère de l'automatisation intelligente. La prise de position de BlackRock sur ce sujet n'est pas anodine : en tant que premier actionnaire institutionnel de nombreuses entreprises tech développant l'IA, le groupe a une influence directe sur les politiques de redistribution et de gouvernance de ces acteurs. Ce signal envoyé par Fink pourrait peser dans les débats politiques et réglementaires autour de la fiscalité du capital et de l'accès aux marchés financiers.

Société❧Opinion

1 source

40

5930ZDNET FR 

Productivité CMS : WordPress.com transforme les agents IA en véritables gestionnaires de contenu

WordPress.com franchit une étape décisive dans l'intégration de l'intelligence artificielle aux outils de gestion de contenu. La plateforme annonce que les agents IA, dont ChatGPT et Claude, peuvent désormais non seulement consulter les données d'un site, mais aussi créer, modifier et administrer le CMS de manière autonome. Une évolution qui redéfinit le rôle de l'IA dans la chaîne éditoriale. Jusqu'ici cantonnés à un rôle passif de lecture et d'analyse, les agents IA se voient attribuer des droits d'écriture et d'administration sur les sites WordPress.com. Cette ouverture représente un tournant pour les équipes éditoriales et les développeurs : des workflows entiers, publication d'articles, gestion des métadonnées, mise à jour de pages, peuvent désormais être délégués à des agents automatisés, réduisant la friction entre la génération de contenu par IA et sa mise en ligne effective. La mise en œuvre s'appuie sur le protocole MCP (Model Context Protocol), standard ouvert qui permet aux modèles de langage d'interagir directement avec des applications tierces. Automattic, la société derrière WordPress.com, expose ainsi une interface structurée permettant aux agents d'exécuter des actions concrètes sur le CMS : création de posts, édition de contenus existants, gestion des taxonomies et des médias. Le support est d'ores et déjà actif pour les agents compatibles MCP. Cette initiative s'inscrit dans une tendance de fond : les grands éditeurs de logiciels ouvrent progressivement leurs plateformes aux agents IA via MCP, transformant des outils conçus pour des humains en surfaces d'action pour des systèmes autonomes. Pour WordPress.com, qui propulse une part significative du web mondial, l'enjeu est de rester pertinent à l'ère des pipelines éditoriaux pilotés par l'IA.

Outils⚒Outil

1 source

58

5931FrenchWeb 

Finance, assurance, télécoms : pourquoi les industries les plus rigides deviennent le terrain de jeu des agents IA

Les secteurs de la finance, de l'assurance et des télécoms, longtemps considérés comme les bastions les plus imperméables à l'innovation technologique, s'imposent paradoxalement comme les nouveaux terrains d'expérimentation privilégiés des agents IA. Leur rigidité structurelle, fruit de décennies de sédimentation numérique, se retourne contre toute attente en avantage compétitif pour l'adoption de ces nouvelles architectures intelligentes. Ces industries ont accumulé des systèmes legacy complexes et peu interopérables, construits par strates successives où chaque évolution impliquait des arbitrages organisationnels lourds. Ce qui constituait un frein à la transformation agile devient aujourd'hui un argument en faveur des agents IA : capables de naviguer entre des systèmes hétérogènes sans nécessiter leur refonte complète, ils s'intègrent comme une couche d'orchestration au-dessus de l'existant, réduisant le coût et le risque de la modernisation. L'article souligne que la complexité réglementaire et la densité des processus métier, traitement des sinistres, conformité bancaire, gestion des contrats clients en télécoms, constituent précisément les cas d'usage où les agents IA démontrent leur valeur ajoutée la plus nette. Ces environnements contraints, qui rebutaient les approches d'automatisation traditionnelles, offrent aux agents une surface de travail structurée, documentée et répétitive, conditions idéales pour des gains de productivité mesurables. La convergence entre la maturité croissante des LLMs capables de raisonnement multi-étapes et les besoins spécifiques de ces secteurs ouvre une fenêtre d'opportunité que les acteurs technologiques commencent à saisir. Les prochains mois devraient voir émerger des déploiements à grande échelle, avec pour enjeu de démontrer que l'IA agentique peut tenir ses promesses là où les précédentes vagues d'automatisation avaient achoppé.

Business❧Opinion

1 source

47

5932ZDNET FR 

IA pratique : cessez de confier vos secrets aux services d’IA

Les grands services d'IA cloud, OpenAI, Google, Microsoft et leurs concurrents, transforment la productivité professionnelle, mais exposent simultanément les utilisateurs à des risques de confidentialité souvent ignorés. Tout document soumis à ces plateformes transite par des serveurs distants où il peut être conservé, examiné par des équipes d'ingénieurs ou compromis lors d'une violation de données. L'affaire Samsung en est l'illustration la plus frappante : des développeurs avaient collé du code source propriétaire dans ChatGPT, provoquant une fuite interne qui a conduit l'entreprise à interdire l'outil sur ses réseaux. L'enjeu dépasse la simple prudence individuelle. Dans les secteurs régulés, santé, droit, finance, défense, soumettre des données sensibles à un service cloud sans précaution peut constituer une violation des réglementations en vigueur. Le RGPD prévoit des amendes pouvant atteindre 4 % du chiffre d'affaires annuel mondial, et certaines infractions exposent à des poursuites pénales. Or, les conditions d'utilisation de la majorité des plateformes autorisent explicitement l'exploitation des données soumises pour entraîner leurs modèles, sauf opt-out explicite, souvent peu visible. Face à ces risques, plusieurs stratégies de mitigation s'imposent. Le déploiement local via Ollama ou LM Studio permet d'exécuter des modèles performants, Llama 3, Mistral, Gemma, sans qu'aucune donnée ne quitte l'infrastructure de l'organisation. Pour ceux qui préfèrent rester dans le cloud, des offres à garanties renforcées existent : Azure OpenAI avec engagement de résidence des données, ou Mistral AI, acteur européen proposant des contrats de traitement conformes au droit français. L'anonymisation systématique avant soumission constitue une troisième voie, applicable même sur les plateformes grand public. La maturité croissante des modèles open source change profondément l'équation. Il y a deux ans, le déploiement local impliquait des compromis de qualité importants ; ce n'est plus le cas pour une large part des usages professionnels courants. La question n'est plus de savoir si les alternatives existent, mais si les organisations se donnent les moyens de les adopter avant qu'un incident ne les y contraigne.

Sécurité❧Opinion

1 source

38

5933VentureBeat AI 

L'IA qui fait vraiment la différence pour les entreprises

Après deux ans de démonstrations spectaculaires et de prototypes précipités, les dirigeants technologiques des grandes entreprises adoptent en 2026 un discours nettement plus pragmatique sur l'intelligence artificielle. Lors d'un webinaire organisé par OutSystems, des responsables techniques issus d'entreprises comme Thermo Fisher Scientific et McConkey Auction Group ont témoigné d'une même priorité : faire passer les agents IA du stade expérimental à la production réelle, avec des résultats mesurables. Chez Thermo Fisher, Rajkiran Vajreshwari, responsable du développement applicatif, a décrit comment son équipe a abandonné les assistants IA mono-tâches au profit d'un système multi-agents coordonné : à l'arrivée d'un ticket de support, un agent de triage classe la demande et la route dynamiquement vers un agent spécialisé, intention et priorité, contexte produit, dépannage ou conformité, chacun opérant dans un périmètre strict et auditable. L'enjeu central n'est plus le choix du bon modèle de langage, mais l'orchestration : comment router les tâches, coordonner les workflows, gouverner l'exécution et intégrer les agents dans des systèmes construits sur des décennies. Une nouvelle catégorie de risque est apparue en parallèle : le « shadow AI », autrement dit le code de niveau production généré par des employés sans supervision informatique. Ces outils maison sont exposés aux hallucinations, aux fuites de données, aux violations de politique et à la dérive des modèles. Luis Blando, CPTO d'OutSystems, résume la réponse des organisations les plus avancées en trois actions : fournir des garde-fous aux utilisateurs, utiliser l'IA pour gouverner l'IA à l'échelle du portefeuille applicatif, et s'appuyer sur des plateformes qui intègrent ces contrôles nativement plutôt que de les construire manuellement. Ce tournant pragmatique survient alors que les premières vagues d'enthousiasme autour des LLM se heurtent à leurs limites réelles en environnement d'entreprise : sans orchestration, sans connexion aux données métier existantes et sans gouvernance, les modèles les plus puissants produisent peu de valeur durable. Les profils les plus recherchés ne sont plus les data scientists spécialisés, mais les développeurs généralistes et les architectes d'entreprise capables de faire dialoguer agents IA, systèmes legacy et processus métier. La compétition se joue désormais moins sur la puissance brute des modèles que sur la capacité des plateformes, OutSystems, mais aussi Microsoft, Salesforce ou ServiceNow, à proposer des environnements où les agents peuvent être déployés, surveillés et gouvernés à l'échelle industrielle.

Outils⚒Outil

1 source

45

5934TechCrunch AI 

Décan AI, rivale de Mercor, obtient 25 millions de dollars en financement et recrute des experts en provenance d'Inde

Deccan AI, startup spécialisée dans la formation de données pour l'intelligence artificielle, vient de boucler une levée de fonds de 25 millions de dollars. Positionnée comme une concurrente directe de Mercor, la société mise sur un modèle distinctif : concentrer ses opérations et son vivier de talents en Inde pour garantir la qualité des données d'entraînement. Le marché de l'annotation et de la préparation de données pour l'IA connaît une croissance rapide, mais reste profondément fragmenté. Les grands laboratoires d'IA, de OpenAI à Google DeepMind, dépendent massivement de prestataires externes pour produire les données de haute qualité nécessaires à l'entraînement de leurs modèles. Dans ce contexte, la capacité à centraliser le contrôle qualité tout en maintenant des coûts compétitifs représente un avantage concurrentiel décisif. Deccan AI se différencie de ses concurrents en recrutant activement des experts techniques en Inde, ingénieurs, spécialistes en sciences des données et annotateurs qualifiés, plutôt que de s'appuyer sur des réseaux de travailleurs dispersés à l'échelle mondiale. Cette approche vise à répondre aux critiques récurrentes adressées au secteur : manque de cohérence, supervision insuffisante, et qualité inégale des données produites. La levée de 25 millions de dollars doit permettre d'accélérer ce recrutement et de structurer les opérations à plus grande échelle. Face à la montée en puissance de rivaux comme Mercor ou Scale AI, l'enjeu pour Deccan AI sera de démontrer que son modèle centré sur l'Inde peut produire des données suffisamment fiables pour séduire les clients les plus exigeants du secteur. Le financement obtenu lui donne la marge de manœuvre pour le prouver dans les prochains mois.

Recherche⚖Reglementation

1 source

43

5935Apple Machine Learning 

Les propriétés de mise à l'échelle des métriques aval dans l'entraînement des grands modèles de langage

Une équipe de chercheurs remet en question une croyance bien ancrée dans le domaine des grands modèles de langage : la performance sur les tâches réelles serait imprévisible à partir du budget d'entraînement. Leur étude propose un cadre direct pour modéliser la progression des benchmarks en fonction des ressources investies, et les résultats sont convaincants. L'enjeu est considérable pour l'industrie. Jusqu'ici, les équipes s'appuyaient sur des métriques intermédiaires comme la perte de pré-entraînement (pretraining loss) pour estimer les capacités futures d'un modèle, sans pouvoir prédire directement ce que ce modèle ferait sur des tâches concrètes. Cette incertitude complique les décisions d'investissement : faut-il entraîner un modèle plus grand, ou sur plus de données ? La réponse restait floue. Les chercheurs démontrent que pour un ratio tokens/paramètres fixé, une simple loi de puissance (power law) suffit à décrire avec précision l'évolution du logarithme de l'accuracy sur plusieurs benchmarks populaires. Contrairement à la procédure en deux étapes proposée précédemment dans la littérature, qui consiste à prédire la loss, puis à convertir cette loss en performance, leur approche directe extrapole mieux et de façon plus fiable. Ces résultats pourraient changer la façon dont les laboratoires planifient leurs runs d'entraînement. Pouvoir anticiper directement la performance sur des tâches aval (downstream tasks), sans passer par une métrique proxy, permettrait d'allouer les budgets de calcul avec plus de précision, de réduire les expériences coûteuses à l'aveugle, et d'accélérer les cycles de développement des futurs LLMs.

Recherche❖Paper

1 source

52

5936MarkTechPost 

Comment créer un agent IA web guidé par la vision avec MolmoWeb-4B en utilisant une raisonnement multimodal et une prédiction d'action

Section 1: Les faits essentiels Dans cet article intitulé "Comment construire un agent AI pour le Web guidé par la vision avec MolmoWeb-4B en utilisant la raisonnement multimodal et la prédiction d'actions", l'auteur décrit comment mettre en place MolmoWeb, un agent multimodal open source développé par Ai2. Cet agent peut comprendre et interagir directement avec les sites web à partir de captures d'écran, sans dépendre du HTML ou du parsing DOM. L'auteur configure l'ensemble de l'environnement dans Google Colab, charge le modèle MolmoWeb-4B avec une quantification efficace en 4 bits et établit précisément la séquence de prompts qui permet au modèle de raisonner sur une tâche web et de prédire les actions du navigateur. Le modèle est testé sur des pages vides, des captures d'écran synthétiques de sites web, et des scénarios de navigation à plusieurs étapes pour comprendre comment les agents web basés sur des captures d'écran pensent, agissent et maintiennent le contexte entre les étapes. Section 2: Pourquoi c'est important Cette approche est significative car elle permet aux IA d'interagir avec le contenu web de manière plus intuitive, similaire à la façon dont les humains le font lorsqu'ils naviguent sur Internet. Cela ouvre des possibilités pour créer des assistants intelligents capables de suivre des instructions complexes en utilisant des captures d'écran ou des descriptions visuelles comme entrée, améliorant ainsi l'accessibilité et la facilité d'utilisation pour les utilisateurs ayant des difficultés avec les interfaces traditionnelles. De plus, comprendre le processus de pensée interne d'un tel agent peut contribuer au développement de nouvelles méthodes de raisonnement artificiel et à une meilleure interprétabilité des systèmes d'IA. Section 3: Le contexte Le contexte de cet article est l'avancement rapide dans le domaine des grands modèles de langage (Large Language Models - LLMs) et l'intérêt croissant pour les agents AI capables d'interagir avec des environnements externes, y compris le Web. MolmoWeb représente une étape importante dans ce domaine en combinant la vision par ordinateur et le traitement du langage naturel pour permettre aux IA de naviguer sur Internet à partir de captures d'écran plutôt que de code source. En résumé, cet article décrit un tutoriel pour configurer et utiliser MolmoWeb-4B, un agent web multimodal open source qui peut comprendre et interagir avec des sites web à partir de captures d'écran. Cette approche offre des avantages significatifs en termes de facilité d'utilisation et d'accessibilité pour les utilisateurs et contribue au développement de modèles plus interprétables et capables dans le domaine du traitement du langage naturel et de la vision par ordinateur.

Recherche⚡Actu

1 source

34

5937ZDNET AI 

Gemini m'a permis de recréer les alertes de commentaires YouTube en moins d'une heure

Google Gemini vient de prouver sa valeur pratique dans un cas d'usage concret : recréer en moins d'une heure une fonctionnalité que YouTube a supprimée, les alertes e-mail pour les nouveaux commentaires. Grâce à un simple script Python généré avec l'aide de l'IA, un développeur a contourné la disparition de cette option native qui manque à de nombreux créateurs de contenu. L'absence d'alertes e-mail pour les commentaires YouTube est un irritant bien connu des créateurs, qui se retrouvent à devoir vérifier manuellement leur tableau de bord pour ne rater aucune interaction avec leur audience. Cette limitation pousse souvent les créateurs à délaisser des commentaires sans réponse, nuisant à l'engagement de leur communauté. La solution apportée ici démontre comment les assistants IA peuvent combler les lacunes laissées par les grandes plateformes. L'approche repose sur l'API YouTube Data v3, interrogée périodiquement par le script pour détecter les nouveaux commentaires, combinée à un système d'envoi d'e-mails automatisé. Gemini a pris en charge la génération du code, la gestion des erreurs et la logique de déduplication, évitant les doublons de notifications. Le tout déployé en autonomie complète en moins de 60 minutes, sans expertise avancée en développement. Ce type de projet illustre une tendance croissante : utiliser les LLMs non pas pour des tâches abstraites, mais pour automatiser des workflows personnels très spécifiques que les outils grand public ne couvrent plus. Un modèle "DIY assisté par IA" qui devrait s'imposer davantage à mesure que les plateformes rationalisent leurs fonctionnalités.

Outils⚒Outil

1 source

47

5938TechCrunch AI 

Les utilisateurs avancés creusent l'écart dans la maîtrise de l'IA

Les recherches d'Anthropic révèlent que l'intelligence artificielle n'a pas encore provoqué de vague de suppressions d'emplois, mais les premières données font émerger un phénomène préoccupant : un fossé croissant entre les utilisateurs qui maîtrisent ces outils et ceux qui ne les utilisent pas. Les travailleurs les plus aguerris avec l'IA creusent l'écart en termes de productivité et d'efficacité, redessinant les hiérarchies professionnelles de l'intérieur. Ce constat est crucial pour comprendre comment l'IA va réellement transformer le marché du travail. Plutôt qu'une disruption brutale et immédiate, c'est une bifurcation progressive qui s'opère : ceux qui adoptent et maîtrisent les outils d'IA accumulent un avantage compétitif significatif, tandis que les autres risquent de se retrouver progressivement marginalisés. Ce phénomène de "fracture de compétence IA" pourrait aggraver des inégalités déjà existantes au sein des entreprises et entre les secteurs. Les données préliminaires d'Anthropic pointent vers une polarisation des usages : les utilisateurs avancés exploitent pleinement les capacités des modèles de langage pour automatiser des tâches complexes, générer du contenu, analyser des données ou accélérer leur prise de décision. Cette asymétrie dans l'adoption ne concerne pas uniquement les compétences techniques, elle reflète aussi l'accès aux formations, aux outils et à une culture d'entreprise favorable à l'expérimentation. À mesure que ces écarts se consolident, la question du déplacement d'emplois futurs prend une nouvelle dimension : ce ne sont peut-être pas les machines qui remplaceront les humains, mais les humains augmentés par l'IA qui remplaceront ceux qui ne le sont pas. Cette perspective oblige les entreprises et les décideurs politiques à repenser urgemment leurs stratégies de formation et d'accompagnement pour éviter une fracture durable du marché du travail.

Société⚡Actu

1 source

40

5939The Verge AI 

Les gros paris de Disney sur le metaverse et l'IA médiocre ne paient pas

Disney se retrouve dans une position délicate à peine une semaine après la prise de fonction de son nouveau PDG Josh D'Amaro. Deux crises simultanées viennent ternir les ambitions technologiques du groupe : le programme de génération d'images Sora d'OpenAI est en cours d'arrêt, et Epic Games procède à des licenciements massifs qui soulèvent des doutes sur le projet metaverse commun. Ces revers illustrent les risques inhérents aux grands paris technologiques dans un secteur en mutation rapide. Disney avait misé sur deux tendances jugées structurantes, l'IA générative dans le streaming et le metaverse gaming, mais les deux partenaires clés traversent des turbulences importantes, laissant le groupe sans visibilité sur ses investissements. La collaboration avec OpenAI, annoncée pour intégrer la technologie Sora dans Disney+, portait sur 1 milliard de $. Parallèlement, le deal avec Epic Games, le studio derrière Fortnite, représentait 1,5 milliard de $ pour construire un univers metaverse autour des franchises Disney. Epic vient d'annoncer le licenciement de 1 000 employés, et le projet metaverse n'a donné aucun signe concret d'avancement. Disney n'est pas nécessairement hors-jeu : l'intégration de l'IA générative dans son service de streaming reste techniquement possible avec d'autres partenaires, et le projet metaverse pourrait survivre sous une forme réduite. Mais pour D'Amaro, qui hérite d'engagements coûteux aux résultats incertains, la pression est forte dès ses premiers jours à la tête du groupe.

Business❧Opinion

1 source

43

5940Le Big Data 

iOS 27 : Siri va devenir ChatGPT ? Voici ce que prévoit Apple

Apple s'apprête à transformer radicalement Siri avec iOS 27. Selon les révélations de Bloomberg, l'assistant vocal historique de la marque à la pomme abandonnerait son interface minimaliste pour devenir un véritable agent conversationnel, directement en compétition avec ChatGPT et les grands chatbots du marché. Une mutation profonde qui expliquerait en partie les retards accumulés sur la feuille de route de l'IA chez Apple. L'enjeu est de taille pour Apple, qui accuse un retard technologique significatif face à OpenAI, Google et Anthropic. Transformer Siri en assistant contextuel et continu n'est pas qu'une mise à jour cosmétique, c'est un repositionnement stratégique de l'ensemble de l'écosystème iOS et macOS autour de l'intelligence artificielle. La firme de Cupertino mise sur l'intégration profonde avec les données personnelles de l'utilisateur pour se différencier, là où ses concurrents s'appuient sur la puissance brute des modèles en ligne. Concrètement, iOS 27 apporterait une application Siri autonome, avec historique des conversations et support des fichiers, sur iPhone, iPad et Mac. Un bouton « Demander à Siri » ferait son apparition dans les apps tierces, et une fonction « Écrire avec Siri » s'intégrerait directement au clavier système. La Dynamic Island servirait d'indicateur en temps réel de l'avancement des tâches. Pour renforcer les capacités du modèle, Apple s'appuierait sur Gemini de Google, partenariat annoncé en janvier 2026, en complément de ses propres modèles embarqués. Siri analyserait messages, notes et emails pour produire des réponses contextualisées, en croisant données locales et recherche web. La question de la confidentialité des données reste centrale et non résolue publiquement. Apple devra démontrer que cette collecte accrue d'informations personnelles reste compatible avec sa promesse historique de protection de la vie privée, un pilier marketing que la firme ne peut se permettre de sacrifier sur l'autel de la compétitivité en IA. L'application dédiée pourrait d'ailleurs ne pas être disponible dès le lancement d'iOS 27, son déploiement étant conditionné à la stabilisation des fonctionnalités.

Outils❧Opinion

1 source