Aller au contenu principal
Le Fil IA

Actualités IA — page 303

7 586 articles au fil, du plus récent au plus ancien.

OpenAI prévoit de fermer Sora seulement 15 mois après son lancement
6041Ars Technica AI 

OpenAI prévoit de fermer Sora seulement 15 mois après son lancement

OpenAI s'apprête à fermer Sora, son application de génération vidéo par intelligence artificielle, seulement 15 mois après son lancement fin 2024. L'annonce a été faite via les réseaux sociaux, dans la foulée d'un article du Wall Street Journal qui avait éventé la nouvelle. La fermeture de Sora soulève des questions sur la viabilité commerciale des outils de génération vidéo IA grand public. Malgré l'engouement initial suscité par ses capacités impressionnantes, le produit n'aura pas réussi à s'imposer durablement dans le paysage concurrentiel des outils créatifs alimentés par l'IA. Dans son message, OpenAI a promis de communiquer prochainement sur "les délais pour l'application et l'API" ainsi que sur "les détails concernant la préservation de vos créations". La société a également adressé un message aux utilisateurs : "Ce que vous avez créé avec Sora a compté, et nous savons que cette nouvelle est décevante." L'arrêt de Sora intervient dans un contexte où OpenAI recentre vraisemblablement ses ressources sur ses produits phares, notamment ChatGPT et ses modèles de raisonnement, face à une concurrence accrue de Google, Meta et des acteurs spécialisés dans la vidéo générative comme Runway ou Kling AI.

OutilsActu
1 source
OpenAI abandonne Sora et son accord milliardaire avec Disney
6042The Verge AI 

OpenAI abandonne Sora et son accord milliardaire avec Disney

OpenAI met fin à Sora, son outil de génération vidéo lancé fin 2024, et abandonne par la même occasion l'accord stratégique qu'il venait de conclure avec Disney. L'annonce a été faite mardi après-midi par la société, confirmant des informations publiées plus tôt par le Wall Street Journal : tant l'application grand public, au format TikTok, que l'accès API développeurs seront fermés, sans intégration prévue dans ChatGPT. La décision marque un tournant significatif dans la stratégie d'OpenAI sur le marché de la vidéo générative, un segment pourtant en pleine effervescence face à des concurrents comme Runway, Kling ou Google avec Veo. L'abandon de Sora soulève des questions sur la capacité d'OpenAI à maintenir simultanément plusieurs fronts produits ambitieux, alors que la société concentre ses ressources sur ses modèles de langage et l'expansion de ChatGPT. L'impact le plus concret concerne l'accord annoncé en décembre 2024 avec Disney : le géant du divertissement s'était engagé à investir 1 milliard de $ dans OpenAI et à licencier ses personnages pour des usages créatifs via Sora. Cet accord, présenté comme un signal fort de la légitimité de l'IA générative dans l'industrie créative, se trouve désormais compromis. C'est Sam Altman lui-même qui aurait informé les équipes en interne de cette décision. Il reste à voir si Disney maintient son investissement dans OpenAI sous une autre forme, et si d'autres partenaires ou concurrents, notamment Google ou Runway, sauront saisir l'opportunité laissée vacante sur le créneau de l'IA vidéo à destination des studios et créateurs de contenu.

BusinessActu
1 source
Anthropic donne plus d'autonomie à Claude Code, mais garde le contrôle
6043TechCrunch AI 

Anthropic donne plus d'autonomie à Claude Code, mais garde le contrôle

Anthropic franchit une nouvelle étape dans l'autonomisation de ses outils de développement : Claude Code dispose désormais d'un mode automatique permettant à l'IA d'exécuter des tâches complexes avec un nombre réduit de validations humaines. Ce changement marque une évolution significative dans la philosophie de l'entreprise vis-à-vis de l'agent coding. Cette décision reflète une tendance de fond dans le secteur : les outils d'IA pour développeurs évoluent vers davantage d'autonomie opérationnelle, réduisant les frictions dans les workflows. Pour les équipes d'ingénierie, cela signifie moins d'interruptions lors de l'exécution de tâches répétitives ou bien délimitées, un gain de productivité non négligeable à mesure que l'IA prend en charge des séquences d'actions plus longues. Anthropic souligne cependant que cette autonomie accrue s'accompagne de garde-fous intégrés, conçus pour maintenir un équilibre entre vitesse d'exécution et sécurité. Le nouveau mode auto ne signifie pas une délégation totale du contrôle, mais une recalibration du seuil d'approbation requis, avec des mécanismes de supervision qui restent actifs en arrière-plan. Cette évolution de Claude Code positionne Anthropic dans la course aux agents de développement autonomes, un segment où GitHub Copilot, Cursor et d'autres acteurs investissent massivement. La question centrale reste celle de la confiance : jusqu'où les développeurs sont-ils prêts à laisser l'IA agir sans supervision directe ?

OutilsOutil
1 source
Le premier CPU signé Arm va équiper les datacenters IA de Meta plus tard cette année
6044The Verge AI 

Le premier CPU signé Arm va équiper les datacenters IA de Meta plus tard cette année

Arm franchit une étape historique en lançant son premier processeur maison, l'Arm AGI CPU, destiné aux datacenters d'intelligence artificielle. Après des décennies à se limiter à la conception de designs de puces sous licence, la société britannique passe à la fabrication directe, et son premier client n'est autre que Meta. Ce changement de stratégie marque un tournant majeur pour Arm, dont le modèle économique reposait jusqu'ici exclusivement sur la vente de licences à des fabricants tiers comme Qualcomm, Apple ou Samsung. En entrant dans l'arène de la production de puces, Arm se positionne désormais comme un acteur à part entière dans la course aux infrastructures IA, un secteur en pleine explosion où les besoins en puissance de calcul pour l'inférence, c'est-à-dire l'exécution des modèles en temps réel, ne cessent de croître. L'Arm AGI CPU est conçu spécifiquement pour l'inférence cloud, notamment pour alimenter des agents IA capables de démultiplier les tâches en parallèle. Meta se positionne à la fois comme partenaire principal et co-développeur de la puce, avec des engagements portant sur plusieurs générations de processeurs datacenter. Ce partenariat intervient alors que Meta aurait rencontré des difficultés à lancer ses propres puces maison. Le CPU sera déployé aux côtés de matériel de fournisseurs tiers tels que Nvidia et AMD. Cette alliance illustre une tendance de fond : les grands acteurs du web cherchent à diversifier leurs sources de silicium pour réduire leur dépendance à Nvidia, tout en s'appuyant sur des partenaires capables de co-concevoir des solutions sur mesure. Pour Arm, c'est l'occasion de capturer une plus grande part de la valeur générée par ses architectures, dans un contexte où ses designs dominent déjà une large part du marché mobile mondial.

InfrastructureActu
1 source
Déployez des endpoints d'inférence SageMaker AI avec une capacité GPU définie via les plans d'entraînement
6045AWS ML Blog 

Déployez des endpoints d'inférence SageMaker AI avec une capacité GPU définie via les plans d'entraînement

Amazon SageMaker AI étend désormais ses plans d'entraînement aux charges de travail d'inférence, permettant aux équipes de réserver de la capacité GPU pour des périodes définies. Une avancée concrète pour les équipes qui déploient des grands modèles de langage (LLM) en production ou en phase d'évaluation, et qui se heurtent régulièrement à l'indisponibilité des instances GPU sur demande. L'enjeu est significatif : les instances GPU haut de gamme comme les ml.p5.48xlarge sont soumises à une forte pression en période de pic, rendant les déploiements imprévisibles et les benchmarks impossibles à planifier sérieusement. Jusqu'ici, les plans d'entraînement SageMaker permettaient uniquement de réserver de la capacité pour les jobs d'entraînement. Leur extension aux endpoints d'inférence comble un vide critique dans le cycle de vie des modèles, notamment pour les phases d'évaluation comparative, les tests de production à durée limitée, ou les pics de charge prévisibles. Le fonctionnement repose sur quatre étapes : identifier les besoins en capacité (type d'instance, quantité, durée), interroger les offres disponibles via l'API search-training-plan-offerings, créer la réservation en spécifiant "endpoint" comme ressource cible, ce qui génère un ARN dédié, puis référencer cet ARN dans la configuration de l'endpoint SageMaker. La capacité réservée est ainsi garantie pour toute la fenêtre temporelle choisie. Le cas d'usage illustratif décrit une équipe data science nécessitant une instance ml.p5.48xlarge pendant deux semaines pour comparer plusieurs modèles fine-tunés avant sélection en production. Cette évolution positionne AWS sur un axe de prévisibilité opérationnelle que ses concurrents peinent encore à offrir avec la même granularité. Pour les organisations contraintes par des SLA stricts ou des cycles d'évaluation rigoureux, la possibilité de découpler la disponibilité GPU de l'aléa du marché spot représente un avantage concret, à condition d'anticiper les besoins et d'en absorber le coût de réservation.

OutilsActu
1 source
Slack, Workday et LinkedIn résistent aux agents IA de leurs clients
6046The Information AI 

Slack, Workday et LinkedIn résistent aux agents IA de leurs clients

Slack, Workday et LinkedIn figurent parmi les plateformes d'entreprise les plus réfractaires à l'accès par des agents d'intelligence artificielle tiers, selon un nouveau classement qui évalue l'ouverture des applications professionnelles à ce type d'automatisation. Alors que la course aux agents IA capables d'exécuter des tâches de bureau s'accélère, une ligne de fracture se dessine clairement entre éditeurs de logiciels ouverts à ces nouveaux usages et ceux qui y résistent. L'enjeu est considérable pour l'ensemble du secteur. Les agents IA, capables de naviguer dans des interfaces, remplir des formulaires, déclencher des workflows, promettent de transformer radicalement la productivité des entreprises. Mais cette promesse suppose que les applications métier jouent le jeu. Un refus d'interopérabilité de la part des grands éditeurs pourrait freiner l'adoption de ces agents et concentrer les bénéfices chez les seuls acteurs qui contrôlent à la fois l'agent et l'application. Anthropic a illustré cette tension en annonçant lundi soir une version de son assistant Claude capable de prendre le contrôle d'un ordinateur et d'opérer n'importe quelle application d'entreprise à la manière d'un utilisateur humain. Pourtant, des acteurs comme Slack (propriété de Salesforce), Workday ou LinkedIn (propriété de Microsoft) ne facilitent pas l'accès à leurs plateformes par des agents externes, selon ce classement. Parallèlement, des employés d'Amazon font état de leur appréhension face au déploiement interne de ces technologies. Cette résistance n'est pas anodine : elle reflète des intérêts commerciaux directs, chaque grand éditeur développe ou prévoit ses propres agents intégrés, ce qui crée un conflit d'intérêts structurel avec les agents tiers comme Claude ou d'autres. Le débat sur l'ouverture ou la fermeture des APIs d'entreprise aux agents IA s'annonce comme l'un des grands chantiers réglementaires et concurrentiels des prochains mois.

OutilsOutil
1 source
Le PDG d'OpenAI redistribue les responsabilités et prépare le modèle IA 'Spud
6047The Information AI 

Le PDG d'OpenAI redistribue les responsabilités et prépare le modèle IA 'Spud

Sam Altman abandonne la supervision directe des équipes de sécurité et de sûreté d'OpenAI pour se concentrer sur des priorités stratégiques : la levée de capitaux, les chaînes d'approvisionnement et la construction de datacenters à une échelle sans précédent. Cette redistribution des responsabilités marque un tournant dans l'organisation interne de la startup, révélée dans un message adressé aux équipes ce mardi. Ce repositionnement intervient dans un contexte de concurrence intense, notamment face à Anthropic et Google, qui intensifient elles aussi leurs investissements en infrastructure. En déléguant la sécurité, Altman signale que la priorité absolue d'OpenAI est désormais la course aux ressources computationnelles, un facteur devenu aussi déterminant que l'algorithme lui-même dans la rivalité entre les grands acteurs de l'IA. Sur le plan produit, Altman a annoncé l'achèvement du développement initial de son prochain grand modèle, dont le nom de code interne est Spud. Parallèlement, la société met fin à l'application mobile Sora AI Video, dont les employés se plaignaient qu'elle mobilisait une part excessive des ressources de calcul, une décision qui illustre les arbitrages difficiles auxquels OpenAI est confrontée dans la gestion de ses capacités. Ce remaniement soulève des questions sur l'équilibre entre ambition industrielle et rigueur en matière de sécurité chez OpenAI : confier la supervision des équipes de sûreté à d'autres mains, alors que la société développe des modèles toujours plus puissants, ne manquera pas d'alimenter le débat sur la gouvernance de l'IA dans les semaines à venir.

LLMsActu
1 source
Le proxy IA populaire LiteLLM infecté par un malware qui se propage dans les clusters Kubernetes
6048The Decoder 

Le proxy IA populaire LiteLLM infecté par un malware qui se propage dans les clusters Kubernetes

LiteLLM, l'un des proxys open source les plus utilisés pour centraliser les appels aux API d'IA, a été compromis par un malware capable de dérober des identifiants et de se propager automatiquement au sein des infrastructures cloud. L'attaque cible directement les clusters Kubernetes, environnement de déploiement privilégié des applications d'IA en production. L'incident illustre une menace émergente et particulièrement sérieuse : la chaîne d'approvisionnement logicielle des outils d'IA devient une surface d'attaque de premier plan. LiteLLM étant utilisé par de nombreuses équipes pour router des requêtes vers des modèles comme GPT-4, Claude ou Gemini, une compromission à ce niveau donne potentiellement accès à l'ensemble des clés API, et donc aux ressources de calcul et aux données traitées, des organisations affectées. Jim Fan, directeur de recherche en IA chez NVIDIA, a publiquement réagi en qualifiant cette attaque de représentante d'une nouvelle classe de menaces visant spécifiquement les agents IA. La capacité du malware à se propager latéralement dans les clusters Kubernetes amplifie considérablement son rayon d'action : une seule entrée peut compromettre l'ensemble d'une infrastructure distribuée. Le vecteur exact de l'infection, dépendance empoisonnée, compromission du dépôt, ou autre, n'est pas précisé dans les informations disponibles. Cet incident devrait accélérer la prise de conscience sur la sécurité des outils de la chaîne IA, souvent déployés rapidement sans audit rigoureux. Les équipes utilisant LiteLLM sont invitées à auditer immédiatement leurs déploiements, rotation des clés API en priorité. Plus largement, la sécurisation des proxys et orchestrateurs IA s'impose désormais comme un enjeu critique au même titre que la sécurité des modèles eux-mêmes.

SécuritéActu
1 source
Les plans d'OpenAI pour rendre ChatGPT plus proche d'Amazon ne se passent pas bien
6049TechCrunch AI 

Les plans d'OpenAI pour rendre ChatGPT plus proche d'Amazon ne se passent pas bien

OpenAI fait marche arrière sur l'une de ses ambitions commerciales les plus audacieuses : l'intégration d'un système d'achat direct au sein de ChatGPT. La fonctionnalité baptisée Instant Checkout, qui permettait aux utilisateurs de finaliser des achats sans quitter l'interface du chatbot, est en cours d'abandon. Cette tentative de transformer ChatGPT en plateforme e-commerce s'inspirait directement du modèle d'Amazon, où la découverte de produit et l'achat sont fusionnés dans une expérience fluide. L'idée était séduisante sur le papier : capitaliser sur les millions d'utilisateurs qui interrogent déjà le chatbot pour des recommandations de produits, et monétiser directement cette intention d'achat. Le retrait d'Instant Checkout signale que la greffe n'a pas pris. Si les détails techniques ou commerciaux expliquant cet échec ne sont pas encore entièrement publics, le signal est clair : intégrer une couche transactionnelle dans un assistant conversationnel se heurte à des obstacles, qu'ils soient liés à l'expérience utilisateur, aux partenariats avec les marchands, ou à la confiance des consommateurs à finaliser un paiement via un LLM. Ce recul intervient dans un contexte où OpenAI cherche à diversifier ses sources de revenus au-delà des abonnements ChatGPT Plus et des licences API. La piste du commerce intégré reste stratégiquement attractive pour l'industrie, mais le cas OpenAI démontre que l'ambition de devenir un « Amazon conversationnel » demande bien plus qu'une simple fonctionnalité de checkout.

BusinessActu
1 source
Gemini 3.1 Flash-Lite de Google DeepMind génère des sites web presque en temps réel
6050The Decoder 

Gemini 3.1 Flash-Lite de Google DeepMind génère des sites web presque en temps réel

Google DeepMind a dévoilé une démonstration saisissante de son modèle Gemini 3.1 Flash-Lite : le système est capable de générer des sites web complets quasiment en temps réel, ouvrant la voie à une nouvelle ère de création web assistée par l'IA. La rapidité d'exécution affichée dans la démo tranche nettement avec ce que proposaient jusqu'ici les outils concurrents. Ce type de capacité représente un tournant potentiel pour les développeurs et les créateurs de contenu. Générer une interface fonctionnelle en quelques secondes, sans passer par des outils de design ou des frameworks complexes, pourrait considérablement abaisser la barrière d'entrée pour la création web, notamment pour les PME, les indépendants et les non-développeurs. La combinaison vitesse-coût positionnée par Google sur ce modèle suggère une volonté de massifier l'accès à ces capacités. Flash-Lite appartient à la famille des modèles légers de Gemini, conçus pour être à la fois économiques à utiliser et rapides à l'inférence. Contrairement aux modèles lourds de la famille, comme Gemini Ultra, Flash-Lite privilégie la latence faible et le coût réduit par token, ce qui le rend adapté aux cas d'usage à fort volume ou nécessitant des réponses quasi-instantanées. La génération de code HTML/CSS/JavaScript en streaming illustre directement ces atouts. La question qui demeure est celle de la qualité et de l'utilisabilité réelle des sites produits. Une démonstration reste une démonstration, et le secteur attend de voir si Flash-Lite peut tenir ses promesses dans des environnements de production, face à des concurrents comme Claude d'Anthropic ou les modèles GPT-4o d'OpenAI, eux aussi capables de génération de code en temps réel.

OutilsActu
1 source
L'agent d'utilisation informatique d'AI2 peut exécuter des actions en ligne
6051AI Business 

L'agent d'utilisation informatique d'AI2 peut exécuter des actions en ligne

L'Allen Institute for AI (AI2) franchit une nouvelle étape dans l'automatisation des tâches numériques avec le lancement d'un agent open source capable d'utiliser un ordinateur et d'exécuter des actions en ligne de manière autonome. Ce type d'agent, dit de "computer use", représente une évolution significative dans la catégorie des assistants IA capables d'interagir directement avec des interfaces graphiques et des services web. Ce positionnement open source distingue l'initiative d'AI2 des approches propriétaires adoptées par des acteurs comme Anthropic, dont le modèle Claude propose une fonctionnalité similaire, ou OpenAI. En rendant l'agent accessible à la communauté, AI2 mise sur la transparence et la reproductibilité, des valeurs centrales de l'institut fondé par Paul Allen. L'enjeu est de taille : les agents capables d'agir sur un ordinateur ouvrent la voie à une automatisation bien plus large que les simples chatbots, avec des implications directes pour la productivité en entreprise. L'agent d'AI2 peut accomplir des tâches autonomes en ligne, navigation web, interaction avec des applications, exécution de séquences d'actions, sans intervention humaine à chaque étape. L'institut reconnaît cependant que le système présente certaines limitations, sans en préciser la nature exacte dans cette annonce. Ces contraintes sont typiques des agents de première génération dans cette catégorie : fiabilité variable selon les interfaces, gestion imparfaite des cas limites, et risques liés à l'exécution d'actions irréversibles. La publication en open source de cet agent s'inscrit dans une dynamique plus large où la recherche académique cherche à contrebalancer la concentration des capacités d'IA avancées dans les mains de quelques grandes entreprises technologiques. Les développeurs et chercheurs pourront désormais auditer, modifier et améliorer le système, ce qui devrait accélérer les progrès dans ce domaine encore émergent.

OutilsOutil
1 source
TinyLoRA : une méthode d'affinage à 13 paramètres qui atteint 91,8 % sur GSM8K avec Qwen2.5-7B
6052MarkTechPost 

TinyLoRA : une méthode d'affinage à 13 paramètres qui atteint 91,8 % sur GSM8K avec Qwen2.5-7B

Une équipe de chercheurs de FAIR (Meta), de l'Université Cornell et de Carnegie Mellon University vient de démontrer qu'un grand modèle de langage peut apprendre à raisonner en n'entraînant que 13 paramètres, soit 26 octets en précision bf16. Leur méthode, baptisée TinyLoRA, appliquée au modèle Qwen2.5-7B-Instruct, atteint 91,8 % de précision sur le benchmark mathématique GSM8K, dépassant même le modèle de base non affiné (88,2 %) et rivalisant avec un affinage complet sur l'ensemble des 7,6 milliards de paramètres. Ce résultat bouscule un dogme implicite du domaine : la performance d'un modèle serait proportionnelle au volume de paramètres modifiés lors de l'affinage. TinyLoRA prouve que l'essentiel de l'adaptation peut être capturé dans un espace d'une compacité extrême, ce qui ouvre des perspectives importantes pour le déploiement sur des appareils contraints, la réduction des coûts d'affinage, et la compréhension théorique de la façon dont les LLM encodent de nouvelles capacités. Sur le plan technique, TinyLoRA s'appuie sur LoRA-XS, une variante de la méthode d'adaptation à bas rang LoRA, en remplaçant les matrices entraînables par un vecteur de faible dimension projeté à travers un tenseur aléatoire fixe. Le facteur clé est le recours à l'apprentissage par renforcement, spécifiquement GRPO (Group Relative Policy Optimization), plutôt qu'au Supervised Fine-Tuning (SFT). Les chercheurs rapportent que le SFT exige des mises à jour 100 à 1 000 fois plus volumineuses pour atteindre des performances équivalentes : son signal d'entraînement "dilue" l'information utile dans du bruit stylistique, là où le signal de récompense binaire du RL reste dense et ciblé. Côté architecture, un rang SVD figé de r=2 s'avère optimal, et le partage de paramètres par "tuilage" entre couches adjacentes surpasse le partage structuré par type de projection. Sur des benchmarks plus exigeants comme MATH500 et AIME24, une mise à jour à 196 paramètres pour Qwen2.5-7B conserve 87 % du gain absolu d'un affinage complet sur six tests mathématiques difficiles. Les auteurs notent par ailleurs que les modèles Qwen-2.5 nécessitent environ 10 fois moins de paramètres que les modèles LLaMA-3 pour atteindre des performances comparables dans ce cadre, une disparité qui pointe vers des différences architecturales profondes dans la façon dont ces modèles organisent leur connaissance interne.

RecherchePaper
1 source
OpenAI ajoute des outils open source pour aider les développeurs à protéger les adolescents
6053TechCrunch AI 

OpenAI ajoute des outils open source pour aider les développeurs à protéger les adolescents

OpenAI franchit un nouveau pas en matière de protection des mineurs en ligne en publiant un ensemble d'outils open source destinés aux développeurs souhaitant intégrer des garde-fous pour les adolescents dans leurs applications basées sur l'IA. Plutôt que de laisser chaque équipe réinventer la roue, la société propose désormais des politiques et ressources prêtes à l'emploi. L'enjeu est considérable : à mesure que les outils d'IA prolifèrent, la question de leur utilisation par des publics mineurs devient centrale pour les régulateurs, les parents et les plateformes elles-mêmes. En mutualisant les efforts via une approche open source, OpenAI espère élever le niveau de sécurité de l'ensemble de l'écosystème, sans que chaque développeur ait à partir de zéro pour définir ce qui constitue un contenu ou une interaction appropriée pour un jeune utilisateur. Ces ressources se présentent sous forme de politiques configurables que les développeurs peuvent intégrer directement dans leurs produits pour renforcer les protections existantes. L'approche reconnaît implicitement que la sécurité des adolescents ne peut pas reposer uniquement sur les géants du secteur, elle doit aussi s'ancrer dans les couches basses de développement, là où se construit concrètement l'expérience utilisateur. Cette initiative s'inscrit dans un contexte de pression croissante des législateurs, notamment aux États-Unis et en Europe, pour que les plateformes numériques et les éditeurs d'IA assument une responsabilité accrue vis-à-vis des mineurs. En ouvrant ces outils à la communauté, OpenAI se positionne comme un acteur proactif sur ce dossier sensible.

SécuritéActu
1 source
Exclusif : Sommes-nous prêts à confier les rênes aux agents IA ?
6054MIT Technology Review 

Exclusif : Sommes-nous prêts à confier les rênes aux agents IA ?

L'essor des agents IA autonomes soulève une question fondamentale : sommes-nous réellement prêts à leur confier des responsabilités critiques ? Alors que les grandes entreprises technologiques accélèrent le déploiement de systèmes capables d'agir de manière indépendante, naviguer sur le web, exécuter du code, prendre des décisions sans validation humaine, le débat sur les garde-fous nécessaires prend une urgence nouvelle. L'enjeu dépasse largement le cadre technique. Confier de l'autonomie à des agents IA, c'est accepter une part d'imprévisibilité dans des processus autrefois entièrement contrôlés par l'humain. Pour les entreprises, cela représente un gain d'efficacité potentiellement transformateur ; pour les régulateurs et les chercheurs en sécurité, c'est une source d'inquiétude croissante face à des systèmes dont les comportements émergents restent difficiles à anticiper. Des experts du domaine tirent la sonnette d'alarme. Grace Huckins, auteure de l'analyse, cite notamment cette mise en garde directe : « Si nous continuons sur la voie actuelle… nous jouons essentiellement à la roulette russe avec l'humanité. » Une formule qui illustre le fossé entre la vitesse du déploiement industriel des agents IA et la maturité des cadres de sécurité, d'alignement et de gouvernance censés les encadrer. La question n'est plus théorique. Avec des agents déjà intégrés dans des environnements de production chez Microsoft, Google, Salesforce ou Anthropic, la fenêtre pour établir des normes robustes se referme rapidement. Le secteur devra trancher : prendre le temps de construire des mécanismes de supervision fiables, ou continuer à avancer à marche forcée en espérant que les incidents restent gérables.

SécuritéOpinion
1 source
Claude d'Anthropic peut désormais prendre le contrôle de votre ordinateur
6055AI Business 

Claude d'Anthropic peut désormais prendre le contrôle de votre ordinateur

Anthropic franchit une nouvelle étape dans la course aux agents IA en dotant son modèle Claude d'une capacité inédite : prendre le contrôle d'un ordinateur et interagir directement avec son interface graphique. Cette fonctionnalité place Claude parmi les rares modèles capables d'exécuter des tâches de façon autonome sur un PC, sans intervention humaine à chaque étape. Cette évolution s'inscrit dans une tendance de fond qui redéfinit le rôle des assistants IA, non plus de simples outils de génération de texte, mais de véritables agents personnels capables d'agir dans l'environnement numérique de l'utilisateur. Pour les entreprises comme pour les particuliers, l'enjeu est considérable : déléguer à une IA des workflows complexes, de la navigation web à la gestion de fichiers, en passant par l'interaction avec des logiciels tiers. Anthropic rejoint ainsi OpenAI et d'autres acteurs qui développent des capacités similaires de contrôle d'interface graphique (GUI control). La fonctionnalité repose sur la capacité du modèle à analyser visuellement l'écran, interpréter les éléments affichés et simuler des actions, clics, saisie clavier, défilement, comme le ferait un opérateur humain. Cette course aux agents autonomes soulève néanmoins des questions importantes en matière de sécurité et de contrôle des accès : confier à un modèle de langage le pilotage d'un système entier implique une surface d'attaque potentiellement élargie, un défi que les équipes d'Anthropic devront adresser au fil du déploiement.

OutilsActu
1 source
Meta et OpenAI annoncent l'achat du premier chip IA d'Arm pour serveurs
6056The Information AI 

Meta et OpenAI annoncent l'achat du premier chip IA d'Arm pour serveurs

Meta Platforms et OpenAI ont annoncé l'acquisition du premier chip IA pour serveurs conçu et produit en propre par Arm, marquant un tournant stratégique majeur pour la filiale de SoftBank. Jusqu'ici, Arm se contentait de licencier ses architectures à d'autres fabricants de puces, cette entrée dans la production directe change fondamentalement son positionnement dans l'industrie des semi-conducteurs. Ce mouvement intervient dans un contexte de course effrénée aux infrastructures IA, où les grandes entreprises tech cherchent à réduire leur dépendance à Nvidia et à ses GPU. En développant un processeur central (CPU) optimisé pour les charges de travail IA, Arm propose une alternative potentiellement plus efficace énergétiquement que les architectures graphiques traditionnellement utilisées pour l'entraînement et l'inférence des modèles. Le chip en question est un CPU capable de traiter des tâches IA avec une efficacité supérieure aux GPU classiques pour certains cas d'usage serveur. Arm prévoit sa production pour la fin de l'année 2026. L'engagement simultané de Meta et OpenAI, deux des acteurs les plus gourmands en compute de la planète, valide commercialement le produit avant même sa sortie officielle et envoie un signal fort au marché. Ce partenariat ouvre une nouvelle phase pour Arm, qui sort du rôle de simple fournisseur de licences pour devenir un acteur matériel à part entière dans la chaîne de valeur IA. Si le chip tient ses promesses en termes de performance par watt, d'autres hyperscalers pourraient rapidement rejoindre la liste des clients, renforçant la pression concurrentielle sur Nvidia et AMD.

OutilsActu
1 source
Comment le nouveau mode auto de Claude Code évite les catastrophes du code IA, sans vous ralentir
6057ZDNET AI 

Comment le nouveau mode auto de Claude Code évite les catastrophes du code IA, sans vous ralentir

Anthropic vient de déployer un nouveau mode de fonctionnement pour Claude Code, son agent de développement en ligne de commande : le mode "auto". Positionné entre la prudence maximale et l'autonomie totale, ce mode intermédiaire cherche à résoudre l'un des problèmes centraux des outils d'IA pour développeurs, trop d'interruptions tuent la productivité, mais trop peu exposent au risque de commandes destructrices irréversibles. L'enjeu est de taille pour l'adoption des agents de code IA. Jusqu'ici, les développeurs devaient choisir entre un mode ultra-sécurisé qui demande confirmation à chaque action, et un mode permissif qui s'exécute en quasi-autonomie, avec le risque d'un git reset --hard, d'une suppression de branche ou d'un déploiement non voulu. Le mode auto vise un équilibre pragmatique : laisser l'agent avancer librement sur les opérations courantes, tout en marquant une pause dès que la commande en question pourrait causer des dégâts difficilement réversibles. Concrètement, Claude Code en mode auto distingue automatiquement les opérations "sûres", lecture de fichiers, éditions, tests unitaires, des opérations à risque élevé comme les commandes shell destructrices, les push forcés ou les modifications d'infrastructure. Pour ces dernières, l'outil sollicite explicitement la validation du développeur avant d'agir. Cette logique s'appuie sur la classification interne des outils d'Anthropic, qui catégorise chaque action selon son niveau de réversibilité et son périmètre d'impact. Ce positionnement reflète une tendance plus large dans l'écosystème des agents IA : après une première vague d'outils soit trop timides, soit trop téméraires, les éditeurs cherchent désormais à calibrer finement le curseur autonomie/contrôle. Pour Anthropic, l'objectif affiché est clair, que le développeur ne soit plus le goulot d'étranglement de son propre agent, sans pour autant lui céder les clés du serveur de production.

OutilsOutil
Aussi surZDNET FR
Accélérer la reconnaissance d'entités personnalisées avec les outils Claude dans Amazon Bedrock
6058AWS ML Blog 

Accélérer la reconnaissance d'entités personnalisées avec les outils Claude dans Amazon Bedrock

Amazon Bedrock intègre désormais une solution clé en main pour l'extraction d'entités personnalisées à partir de documents non structurés, en s'appuyant sur les capacités de Claude Tool use (aussi appelé function calling). Cette approche permet d'identifier et d'extraire des informations précises, noms, dates, adresses, sans entraînement de modèle préalable, simplement via des prompts en langage naturel. L'enjeu est considérable pour les entreprises qui traitent de grands volumes de documents : factures, pièces d'identité, contrats. Les pipelines traditionnels d'extraction d'entités exigent des modèles spécialisés, des données d'entraînement étiquetées et une infrastructure dédiée. La combinaison Bedrock + Claude court-circuite cette complexité en rendant le processus dynamique et adaptable à tout type de document, sans configuration lourde. L'architecture proposée est entièrement serverless et s'appuie sur trois services AWS : Amazon S3 reçoit les documents uploadés, AWS Lambda se déclenche automatiquement à chaque dépôt de fichier et interroge Amazon Bedrock, qui invoque Anthropic Claude pour extraire les entités. Les résultats sont tracés dans Amazon CloudWatch. L'exemple concret retenu est l'extraction de champs d'un permis de conduire, un cas d'usage représentatif de la reconnaissance de documents d'identité en production. La solution est conçue pour monter en charge automatiquement, qu'il s'agisse de traiter quelques dizaines ou plusieurs milliers de documents. Elle suit les bonnes pratiques AWS en matière de gestion des permissions IAM et d'inférence cross-région pour les modèles Claude, ouvrant la voie à des déploiements en production robustes sans dépendance à une infrastructure fixe.

OutilsOutil
1 source
ChatGPT se transforme en plateforme de shopping avec images de produits, prix et comparaisons, mais sans paiement intégré
6059The Decoder 

ChatGPT se transforme en plateforme de shopping avec images de produits, prix et comparaisons, mais sans paiement intégré

ChatGPT franchit une nouvelle étape dans sa transformation en assistant du quotidien en intégrant des fonctionnalités de shopping visuel directement dans l'interface de chat. Les utilisateurs peuvent désormais voir des images de produits, des prix et des comparaisons côte à côte sans quitter la conversation, une évolution qui positionne le chatbot d'OpenAI comme un concurrent direct des moteurs de recherche shopping de Google et Amazon. Cette intégration marque un tournant stratégique pour OpenAI : plutôt que de renvoyer l'utilisateur vers des sites tiers, ChatGPT devient lui-même un point d'entrée pour l'acte d'achat. Pour les retailers, c'est une nouvelle surface d'acquisition à maîtriser, et potentiellement une dépendance supplémentaire vis-à-vis d'une plateforme tierce pour leur visibilité produit. Fait notable : OpenAI a choisi d'abandonner son propre système de paiement intégré et de déléguer le passage en caisse directement aux retailers. L'utilisateur qui souhaite acheter est redirigé vers le site marchand pour finaliser la transaction. Ce positionnement évite à OpenAI de gérer la complexité réglementaire et logistique du e-commerce, tout en maintenant son rôle de plateforme d'intermédiation. Cette approche rappelle le modèle des comparateurs de prix comme Google Shopping, mais enrichi par la dimension conversationnelle. La vraie question sera celle de la monétisation : OpenAI percevra-t-il des commissions d'affiliation sur les redirections, ou s'agit-il pour l'instant d'un levier d'engagement pour fidéliser les utilisateurs à l'abonnement ChatGPT Plus ?

OutilsOutil
1 source
ChatGPT dispose désormais d'une bibliothèque pour tous vos fichiers, voici comment ça fonctionne
6060ZDNET AI 

ChatGPT dispose désormais d'une bibliothèque pour tous vos fichiers, voici comment ça fonctionne

OpenAI franchit une nouvelle étape dans l'évolution de ChatGPT en introduisant une bibliothèque de fichiers centralisée, permettant aux utilisateurs de stocker, organiser et retrouver l'ensemble de leurs documents directement au sein de l'interface. Une fonctionnalité qui transforme en profondeur l'expérience utilisateur de l'outil. Jusqu'ici, les fichiers partagés avec ChatGPT disparaissaient à la fin de chaque conversation, contraignant les utilisateurs à les réimporter à chaque nouvelle session. Cette fragmentation était un frein majeur à une utilisation professionnelle intensive. Avec une bibliothèque persistante, OpenAI s'attaque directement à ce point de friction et positionne ChatGPT comme un véritable espace de travail intégré, concurrent direct d'outils comme Notion, Google Drive ou Microsoft 365 Copilot. La fonctionnalité permet d'accéder à tous les fichiers précédemment partagés, documents, PDF, feuilles de calcul, depuis un emplacement unique et dédié dans l'interface. Les utilisateurs peuvent ainsi référencer leurs documents dans n'importe quelle conversation sans repartir de zéro. Cette centralisation s'inscrit dans une stratégie plus large d'OpenAI visant à faire de ChatGPT un hub de productivité, après l'introduction de la mémoire persistante et des projets ces derniers mois. Cette évolution reflète la pression concurrentielle croissante sur le marché des assistants IA, où Google (Gemini), Microsoft (Copilot) et Anthropic (Claude) investissent massivement dans les fonctionnalités de gestion documentaire. La capacité à retenir le contexte et les documents sur la durée devient un critère de différenciation central pour conquérir les usages professionnels.

OutilsOutil
1 source