Actualités IA — page 309

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

38

Illustration générée par IA

6161Interesting Engineering 

Un robot humanoïde interrompt une performance de danse pour étreindre un étudiant

Lors de la cérémonie d'ouverture d'une compétition sportive universitaire à l'Université Xi'an Eurasia, dans la province du Shaanxi au nord-ouest de la Chine, un robot humanoïde a dévié de sa chorégraphie programmée pour se retourner vers une étudiante et la prendre dans ses bras. Le personnel présent est intervenu en quelques secondes pour séparer le robot de la jeune femme, qui n'a pas été blessée. L'incident, filmé et diffusé largement en ligne, impliquait un robot fourni par une entreprise fondée par d'anciens étudiants de l'établissement, dans le cadre d'une performance commune avec le club de danse du campus. Un membre du personnel universitaire a confirmé que cette étreinte n'était pas préprogrammée et l'a qualifiée de dysfonctionnement. La société responsable du robot a attribué le comportement anormal à des interférences de signal causées par plusieurs drones opérant simultanément pendant le spectacle. L'incident soulève une question de sécurité concrète et sérieuse, bien au-delà des spéculations sur une éventuelle "conscience" du robot, hypothèse rapidement écartée par les experts. Gao Huan, directeur adjoint du Laboratoire d'Intelligence et de Cognition de l'Université Normale de Chongqing, a pointé le vrai problème : pourquoi le robot était-il encore capable d'entrer en contact physique avec un être humain après que le comportement anormal avait déjà commencé ? Les robots utilisés dans des spectacles suivent des scripts de mouvement préprogrammés, et des erreurs de positionnement, des déviations de reconnaissance de posture ou des défaillances dans la séquence d'exécution peuvent entraîner des contacts non intentionnels. Pour Gao, l'enjeu n'est pas de savoir si le robot a agi intentionnellement, mais de déterminer si des garde-fous suffisants existaient pour stopper tout contact dès l'apparition de la défaillance. Cet épisode s'inscrit dans une série d'incidents impliquant des robots humanoïdes lors d'événements publics en Chine, où l'intégration rapide de ces machines dans les sphères culturelles et commerciales devance systématiquement les protocoles de sécurité censés encadrer leur usage. En 2025, un robot industriel était devenu incontrôlable lors d'une phase de test, blessant des opérateurs. La même année, un robot performeur avait chargé une foule derrière une barrière de sécurité lors d'un festival. Dans chaque cas, la cause technique était identifiable : erreur de code, panne de contrôle ou perturbation du signal. Gao Huan a rappelé que le déploiement responsable de robots humanoïdes dans des environnements ouverts, en collaboration avec des humains, exige des répétitions sur site, des distances de sécurité définies, des mécanismes d'arrêt d'urgence et une supervision humaine dédiée. En l'état, ces robots sont traités comme des accessoires de scène ordinaires, alors qu'ils constituent des dispositifs mécaniques présentant des risques de mouvement réels.

Robotique❧Opinion

1 source

43

Illustration générée par IA

6162Robotics Business Review 

Sereact lève un Série B pour étendre Cortex 2.0 et entrer sur le marché américain

La startup allemande Sereact a annoncé le 27 avril 2026 une levée de fonds de série B de 110 millions de dollars pour accélérer le déploiement de son système d'intelligence artificielle robotique Cortex 2.0 et s'implanter aux États-Unis. Fondée en 2021 et basée à Stuttgart, l'entreprise vient d'ouvrir un bureau à Boston et recrute activement des ingénieurs, commerciaux et techniciens locaux. Cortex est conçu pour piloter des robots dans des environnements industriels réels : cellules de picking à un bras, stations de retours à deux bras, robots humanoïdes, ainsi qu'un système de perception 3D baptisé Sereact Lens, dédié à l'inventaire et au contrôle qualité. Parmi ses clients européens figurent déjà Daimler Truck, Mercedes-Benz, BMW, Austrian Post et le groupe Rohlik. Le chiffre mis en avant par l'entreprise est éloquent : sur 200 systèmes déployés ayant effectué un milliard de prises d'objets, une seule intervention humaine à distance est nécessaire toutes les 53 000 opérations. Ce niveau d'autonomie représente un saut qualitatif significatif pour l'automatisation des entrepôts. Contrairement à la plupart des systèmes concurrents entraînés sur des données simulées ou des démonstrations en laboratoire, Cortex apprend en conditions réelles, de nuit, en période de pointe, sur des objets atypiques que le robot n'a jamais rencontrés. Chaque prise réussie ou ratée est capturée avec ses observations synchronisées, l'état du robot, le retour de force du préhenseur et le résultat final, puis filtrée et réinjectée dans le modèle selon un principe de boucle fermée. Ce que Sereact appelle un "data flywheel", une roue d'accélération de la donnée, signifie que chaque déploiement rend le système plus robuste, creusant l'écart avec des concurrents qui misent sur des milliards de dollars de simulation sans passer par l'épreuve du terrain. La version Cortex 2.0, dont cette levée finance le déploiement à grande échelle, introduit une rupture architecturale majeure : au lieu de réagir après observation, le système "pense avant d'agir". Il intègre un modèle du monde qui génère plusieurs trajectoires possibles, les évalue selon des critères de stabilité, de risque et d'efficacité en simulant la physique et le comportement des objets, puis sélectionne la meilleure avant de bouger le bras. Cette planification s'effectue dans un "espace latent visuel", ce qui rend le modèle compatible avec différentes architectures de robots, indépendamment de leur cinématique propre. L'enjeu est de taille : la course mondiale à la robotique physique s'intensifie, avec des acteurs comme Figure, Physical Intelligence ou 1X levant des centaines de millions pour des approches concurrentes. L'entrée de Sereact sur le marché américain, depuis Boston, place la startup directement au coeur de cet écosystème en pleine ébullition.

Robotique⚡Actu

1 source

41

Illustration générée par IA

6163AWS ML Blog 

Créer des agents Strands avec les modèles SageMaker AI et MLflow

Amazon Web Services a publié un guide technique détaillant la construction d'agents d'intelligence artificielle en combinant trois de ses outils : le SDK open source Strands Agents, les endpoints de modèles Amazon SageMaker AI, et la plateforme d'observabilité MLflow hébergée sur SageMaker Serverless. Le SDK Strands, à approche pilotée par le modèle, permet de créer un agent fonctionnel en quelques lignes de code en associant un modèle de langage, un prompt système et un ensemble d'outils. Les modèles sont déployés via SageMaker JumpStart, un hub machine learning qui permet d'évaluer et de sélectionner rapidement des modèles de fondation selon des critères de qualité et de responsabilité prédéfinis. L'intégration de MLflow permet ensuite de tracer les appels d'agents, de versionner les modèles et d'implémenter des tests A/B entre plusieurs variantes de modèles pour en évaluer les performances à l'aide de métriques objectives. Cette architecture répond à un besoin concret des grandes entreprises qui ne peuvent pas se contenter des services de modèles entièrement gérés : contrôle précis sur les instances de calcul, politiques de mise à l'échelle, configuration réseau compatible avec les architectures de sécurité existantes, et conformité en matière de résidence des données. Là où Amazon Bedrock simplifie l'accès aux modèles de fondation en masquant l'infrastructure, SageMaker AI laisse à l'organisation la maîtrise de l'endroit et de la manière dont l'inférence se produit, ce qui est décisif pour les secteurs réglementés comme la finance ou la santé. La couche MLflow ajoute une dimension industrielle : les équipes peuvent comparer les performances de différents modèles dans des conditions réelles, réduire les coûts en sélectionnant le modèle le plus efficace pour chaque tâche, et maintenir un historique d'expériences exploitable dans le temps. La publication de ce guide s'inscrit dans une course plus large pour capter les déploiements d'agents IA en production. AWS répond ainsi à la demande croissante des équipes MLOps qui veulent bénéficier de la commodité du cloud tout en conservant une maîtrise fine de l'infrastructure, une position souvent impossible avec les APIs gérées de type Bedrock ou OpenAI. Strands Agents, rendu open source par Amazon, concurrence directement des frameworks comme LangChain ou CrewAI, avec l'avantage d'une intégration native dans l'écosystème AWS. L'accent mis sur les tests A/B et l'évaluation continue des agents signale que le secteur entre dans une phase de maturité : il ne s'agit plus seulement de faire fonctionner un agent, mais de le mesurer, le comparer, et l'améliorer de façon systématique en production.

Outils⚒Outil

1 source

40

Illustration générée par IA

6164AWS ML Blog 

Popsa utilise Amazon Nova pour suggérer des titres personnalisés à ses clients

La société britannique Popsa, spécialisée dans la création automatisée de livres photo et présente dans plus de 50 pays en 12 langues, a refondu en profondeur sa fonctionnalité de suggestion de titres en intégrant les modèles d'Amazon Bedrock. Lancée en 2021, cette fonction génère automatiquement des titres et sous-titres pour la couverture des livres photo à partir des métadonnées des images (horodatage, géolocalisation) et d'une analyse visuelle par réseaux neuronaux convolutifs embarqués sur mobile. Dès juin 2024, l'équipe a identifié l'opportunité d'y injecter de l'IA générative pour dépasser les suggestions rigides issues de règles algorithmiques. La solution déployée combine Amazon Nova Lite, Amazon Nova Pro et Claude 3 Haiku d'Anthropic via l'API unifiée d'Amazon Bedrock, avec une approche de génération augmentée par récupération (RAG). Les contraintes techniques étaient strictes : titres et sous-titres limités à 36 caractères chacun pour s'adapter à la mise en page, catégorie valide parmi une liste prédéfinie pour déclencher l'affichage de l'icône correspondante, et réponse obligatoirement formatée en JSON avec les clés title, subtitle et category. En 2025, le système a produit plus de 5,5 millions de titres personnalisés. L'impact est concret et mesurable : Popsa enregistre une hausse de la satisfaction client, une amélioration du taux d'engagement et une progression du taux d'achat depuis le déploiement. La qualité des suggestions a augmenté, les coûts d'inférence ont diminué et les temps de réponse ont été réduits. Pour l'utilisateur, la différence est tangible : plutôt que de se contenter d'un générique "Photos France 2024", il reçoit des propositions créatives, personnalisées selon le contenu réel des photos, disponibles dans les 12 langues de l'application. Le tout sans aucune complexité supplémentaire côté interface, conformément à la philosophie fondatrice de Popsa : laisser la technologie faire le travail à la place de l'utilisateur. Popsa s'appuie sur une culture d'automatisation installée depuis 2016 avec son algorithme PrintAI, capable de concevoir un livre photo à l'aspect professionnel en moins de cinq minutes. Cette évolution vers l'IA générative s'inscrit dans une trajectoire naturelle pour une entreprise dont le modèle repose sur la réduction de la friction créative. Le choix d'Amazon Bedrock comme infrastructure centralisée permet de switcher entre modèles selon les besoins de coût, de vitesse ou de qualité, un avantage décisif pour un produit grand public à fort volume. La construction d'un pipeline d'évaluation rigoureux, avec plus de 100 livres photo de référence et des métriques vérifiables en code, illustre une approche industrielle sérieuse de l'intégration de l'IA générative, loin des expérimentations superficielles qui caractérisent encore beaucoup de déploiements dans le secteur.

Outils⚒Outil

1 source

32

Illustration générée par IA

616536Kr 

Le dirigeant d'Aixin Yuanzhi mise sur les puces haute performance comme moteur de croissance des entreprises en 2026

Le fabricant chinois de semi-conducteurs Aixtek (爱芯元智) a profité du Salon de l'automobile de Pékin pour annoncer la formation de la « Qianli Alliance » avec Qianli Technology et Jiyue, tout en confirmant le lancement de sa puce M97 pour le troisième trimestre 2025. Sa fondatrice Qiu Xiaoshen a déclaré publiquement que la puce, dédiée à l'assistance à la conduite à haute puissance de calcul, avait déjà passé l'étape du « tape-out » et entrait dans son cycle de développement standard. Dotée de plus de 700 TOPS de puissance de calcul, elle sera progressivement intégrée dans plusieurs modèles de véhicules dès 2026. Aujourd'hui, les produits traditionnels de calcul embarqué représentent encore plus de 80 % du chiffre d'affaires d'Aixtek, mais la direction prévoit que cette répartition se rééquilibrera profondément dans les trois prochaines années. La M97 est conçue pour résoudre un problème structurel que Qiu Xiaoshen identifie comme le talon d'Achille des puces d'assistance à la conduite actuelles : la bande passante mémoire insuffisante. Elle explique qu'une puce de 2 000 TOPS ne délivre pas sa pleine puissance si la bande passante DDR est le goulot d'étranglement. En choisissant un procédé de fabrication d'une génération d'avance sur les concurrents (5 nm ou 4 nm contre 7 nm), Aixtek vise des fréquences DDR supérieures à 8 533 MT/s, voire 9 600 MT/s, contre un maximum de 6 400 MT/s en 7 nm. Ce saut de procédé réduit également la surface du die et améliore les rendements de production, ce qui contribue à la maîtrise des coûts. La stratégie d'Aixtek s'inscrit dans un contexte où l'évolution technologique de la conduite autonome reste incertaine, mais converge vers des architectures de plus en plus gourmandes en calcul : modèles end-to-end, VLM (Vision-Language Models), et désormais VLA (Vision-Language-Action), qui tentent de fusionner compréhension sémantique et pilotage en un seul modèle. L'entreprise, qui se positionne comme une plateforme de puces « neutre et indépendante » afin de laisser aux constructeurs le choix de leur fournisseur, mise également sur le calcul en périphérie (edge computing) : deux nouvelles puces edge seront lancées au second semestre 2025, compatibles avec les grands modèles comme Qwen. Qiu Xiaoshen voit dans les boîtiers d'agents IA locaux, capables de faire tourner un LLM à domicile sans passer par le cloud, un marché grand public à fort potentiel d'explosion.

Infrastructure⚡Actu

1 source

49

Illustration générée par IA

6166The Verge 

L'accord historique sur l'AGI entre Microsoft et OpenAI prend fin

Microsoft a annoncé lundi matin des modifications majeures à son partenariat historique avec OpenAI, dont la plus symbolique est la suppression officielle de la clause sur l'intelligence artificielle générale (AGI) qui régissait leur accord depuis plusieurs années. Selon les nouveaux termes, Microsoft demeure le "partenaire cloud principal" d'OpenAI, les produits de la startup étant toujours déployés en priorité sur Azure, sauf si Microsoft choisit de ne pas supporter les capacités requises. La rupture décisive: OpenAI peut désormais distribuer l'ensemble de ses produits à ses clients via n'importe quel fournisseur cloud. Ce changement libère considérablement OpenAI dans sa conquête du marché entreprise. En pouvant s'appuyer sur AWS, Google Cloud ou d'autres infrastructures concurrentes, la startup n'est plus tributaire des capacités ou des priorités commerciales de Microsoft. Pour les grandes entreprises clientes, cela signifie davantage de choix et de flexibilité pour intégrer les technologies OpenAI dans leurs environnements existants, ce qui rend OpenAI plus compétitif face à des acteurs comme Anthropic ou Google DeepMind. L'accord originel entre les deux entreprises, construit autour d'un investissement total de Microsoft dépassant treize milliards de dollars, contenait une clause AGI à la portée symbolique considérable: une fois OpenAI jugée avoir atteint l'AGI, les termes du partenariat devaient être renégociés. Sa suppression intervient alors qu'OpenAI finalise sa transformation en société à but lucratif classique et cherche activement à diversifier ses revenus et ses alliances technologiques dans un marché de l'IA de plus en plus concurrentiel.

Business❧Opinion

1 source

43

Illustration générée par IA

6167MIT Technology Review 

Le chaînon manquant entre la hype et la rentabilité

En février dernier, des manifestants anti-IA défilaient dans les rues de Londres avec un tract signé Pause AI qui résumait involontairement l'état du secteur : "Étape 1 : Créer un super cerveau numérique. Étape 2 : ? Étape 3 : ?" Le clin d'oeil aux "gnomes voleurs de sous-vêtements" de South Park, devenus un mème culte pour moquer les plans d'affaires sans logique, n'était peut-être pas intentionnel, mais il frappait juste. Les entreprises d'IA ont construit la technologie (étape 1) et promis la transformation économique (étape 3). L'étape 2, celle qui explique comment on passe de l'un à l'autre, reste un point d'interrogation. Jakub Pachocki, directeur scientifique d'OpenAI, qualifie l'IA de "technologie économiquement transformatrice", mais la trajectoire concrète reste floue. Deux études récentes illustrent à quel point cet écart entre promesse et réalité est profond. Une recherche d'Anthropic a tenté de cartographier les métiers les plus exposés aux grands modèles de langage, concluant que managers, architectes et journalistes devraient se préparer à des bouleversements, contrairement aux jardiniers ou aux ouvriers du bâtiment. Mais ces prédictions reposent sur ce que les LLM semblent capables de faire en théorie, non sur leurs performances réelles au bureau. Plus révélatrice encore, une étude publiée en février par Mercor, une startup spécialisée dans le recrutement assisté par IA, a soumis plusieurs agents IA alimentés par les meilleurs modèles d'OpenAI, d'Anthropic et de Google DeepMind à 480 tâches professionnelles typiques de banquiers, consultants et juristes. Résultat : chaque agent échoué à accomplir la majorité des tâches qui lui étaient assignées. Ce fossé entre le discours et les faits s'explique par plusieurs facteurs structurels. D'abord, les acteurs qui font les prédictions les plus enthousiastes ont un intérêt financier direct dans leur réalisation. Ensuite, une grande partie des optimistes fondent leurs conclusions sur la progression rapide des outils de codage, qui ne représentent qu'une fraction des usages professionnels réels. Les LLM se révèlent notamment peu fiables pour les décisions stratégiques, qui nécessitent jugement et contextualisation. Et même lorsqu'ils fonctionnent bien en laboratoire, ces outils doivent s'intégrer dans des environnements humains existants, avec leurs habitudes, leurs résistances et leurs workflows hérités. Refondre ces processus autour de l'IA pour en tirer une valeur transformatrice prendra du temps et impliquera des risques. C'est précisément dans ce vide d'information que prospèrent les annonces fracassantes et les prophéties sans preuves. Le problème n'est pas que personne ne sait où l'IA va mener, c'est que tout le monde fait semblant de le savoir.

Société❧Opinion

1 source

45

Illustration générée par IA

6168FrenchWeb 

La Chine bloque le rachat de MANUS par META / CYERA rachète RYFT pour sécuriser l’IA / AUDION lève 13 millions d’euros

Pékin a opposé son veto à l'acquisition de Manus par Meta Platforms, bloquant une opération estimée à 2 milliards de dollars (environ 1,7 milliard d'euros). Manus est une startup spécialisée dans l'IA agentique, une technologie permettant à des agents autonomes d'exécuter des tâches complexes sans supervision humaine continue. Les autorités chinoises ont invoqué les réglementations encadrant les investissements étrangers pour justifier ce blocage, signalant une volonté explicite de garder sur le territoire national les actifs stratégiques liés à l'intelligence artificielle. Dans le même temps, deux autres mouvements ont animé le secteur : la société de cybersécurité Cyera a annoncé le rachat de Ryft pour renforcer la protection des systèmes d'IA, et la startup Audion a bouclé une levée de fonds de 13 millions d'euros. Le blocage de l'accord Manus-Meta illustre la montée en puissance des restrictions sur les transferts technologiques entre la Chine et les États-Unis. En empêchant Meta de s'emparer d'une pépite de l'IA agentique, Pékin protège non seulement une technologie émergente à fort potentiel, mais envoie aussi un signal clair aux investisseurs étrangers. Pour Meta, qui multiplie les acquisitions dans l'IA pour rattraper ses concurrents OpenAI et Google, c'est un revers stratégique significatif. L'acquisition de Ryft par Cyera, elle, répond à un besoin croissant de sécurisation des pipelines IA dans les entreprises. Ce veto s'inscrit dans un contexte de guerre technologique larvée entre Washington et Pékin, où chaque camp tente de contrôler la chaîne de valeur de l'IA. La Chine a multiplié depuis 2023 ses restrictions sur l'export de technologies sensibles et le rachat de startups nationales par des acteurs américains. Meta se retrouve ainsi pris en étau entre sa stratégie d'expansion agressive dans l'IA et les nouvelles frontières géopolitiques du secteur. La question de savoir si Manus cherchera d'autres acheteurs ou lèvera des fonds de manière indépendante reste ouverte.

Business⚡Actu

1 source

44

Illustration générée par IA

6169VentureBeat AI 

Un framework IA optimise automatiquement données, architectures et algorithmes, surpassant les performances humaines

Des chercheurs du Generative Artificial Intelligence Research Lab (SII-GAIR) ont présenté ASI-EVOLVE, un cadre agentique conçu pour automatiser l'ensemble du cycle de recherche et développement en intelligence artificielle. Le système opère en boucle continue selon quatre étapes, apprentissage, conception, expérimentation, analyse, et prend en charge simultanément trois piliers fondamentaux du développement IA : les données d'entraînement, les architectures de modèles et les algorithmes d'apprentissage. Lors des premières expérimentations, ASI-EVOLVE a généré de nouvelles architectures de modèles de langage, optimisé des pipelines de pré-entraînement pour améliorer les scores de référence de plus de 18 points, et conçu des algorithmes de renforcement nettement plus efficaces, surpassant dans chaque cas les configurations élaborées par des ingénieurs humains. Ce type de système répond à un problème structurel qui ralentit toute la recherche en IA : les équipes d'ingénierie ne peuvent explorer qu'une fraction infime de l'espace des configurations possibles. Chaque cycle d'expérimentation exige des interventions manuelles coûteuses, mobilise des dizaines voire des centaines d'heures de GPU, et les enseignements tirés restent souvent cloisonnés dans l'expérience individuelle des chercheurs, difficiles à capitaliser ou à transmettre. En automatisant cette boucle, ASI-EVOLVE libère les équipes de la charge opérationnelle répétitive et accélère mécaniquement le rythme d'innovation. Pour les organisations qui itèrent fréquemment sur leurs systèmes IA, le gain potentiel est à la fois en temps d'ingénierie et en qualité des résultats. L'architecture repose sur deux composants centraux. La "Cognition Base" fonctionne comme une mémoire experte préchargée : elle intègre des connaissances humaines issues de la littérature scientifique, des heuristiques propres à chaque tâche, et un catalogue des pièges connus, ce qui oriente les explorations dès la première itération plutôt que de repartir de zéro. L'"Analyzer" prend en charge le retour d'expérience multidimensionnel des expériences, logs d'entraînement bruts, résultats de benchmarks, traces d'efficacité computationnelle, pour en distiller des analyses causales réutilisables. Ce travail s'inscrit dans un contexte où l'IA commence à s'attaquer à la découverte scientifique, d'AlphaFold aux systèmes agentiques généralistes, mais où la recherche ouverte sur les fondations mêmes de l'IA reste un défi à part entière. ASI-EVOLVE représente l'une des premières démonstrations concrètes qu'un système unifié peut progresser simultanément sur les trois axes constitutifs du développement de modèles, ouvrant la voie à une automatisation plus profonde du cycle de R&D en IA.

Recherche❖Paper

1 source

43

Illustration générée par IA

6170FrenchWeb 

Cyera rachète Ryft pour accélérer sur la sécurisation des données à l’ère des agents IA

La société de cybersécurité Cyera a annoncé l'acquisition de la startup israélienne Ryft, spécialisée dans la gestion automatisée et sécurisée des données pour les systèmes d'intelligence artificielle. Le montant de la transaction n'a pas été officiellement dévoilé, mais des sources du secteur l'estiment entre 92 et 120 millions d'euros, une valorisation remarquable pour une entreprise fondée en 2024 qui n'avait levé que 6,8 millions d'euros depuis sa création. Ce rachat illustre la pression croissante que font peser les agents IA sur la gestion des données sensibles en entreprise. Les systèmes agentiques, qui accèdent et manipulent des données de façon autonome, créent des surfaces d'attaque inédites que les outils de sécurité traditionnels ne sont pas conçus pour surveiller. En intégrant la technologie de Ryft, Cyera entend offrir une visibilité en temps réel sur les flux de données traversant ces agents, répondant à une demande urgente des équipes sécurité dans les grandes organisations. Cyera s'était déjà positionnée comme un acteur majeur de la sécurisation des données cloud, ayant levé plusieurs centaines de millions de dollars ces dernières années. L'acquisition de Ryft s'inscrit dans une vague plus large de consolidation autour de la sécurité de l'IA : à mesure que les entreprises déploient des agents autonomes en production, la question du contrôle des accès aux données et de la traçabilité des actions devient un enjeu stratégique. Les prochains mois diront si Cyera parvient à transformer cette intégration en avantage compétitif durable face à des acteurs comme Wiz ou Palo Alto Networks.

Sécurité❧Opinion

1 source

43

Illustration générée par IA

6171FrenchWeb 

La Chine bloque le rachat de Manus par Meta pour contenir les transferts d’IA

Pékin a opposé son veto à l'acquisition de Manus, startup chinoise spécialisée dans l'IA agentique, par le géant américain Meta Platforms. L'opération, valorisée à environ 2 milliards de dollars (1,7 milliard d'euros), a été bloquée par la National Development and Reform Commission, l'organisme de planification économique chinois, au nom des règles encadrant les investissements étrangers dans les secteurs stratégiques. La décision intervient alors que Manus s'était fait remarquer début 2025 comme l'un des systèmes d'IA agentique les plus avancés, capable d'exécuter des tâches complexes de manière autonome sans supervision humaine constante. Ce blocage marque un signal fort de Pékin : les technologies d'IA jugées stratégiques ne doivent pas migrer vers des acteurs américains, quelle que soit la valorisation proposée. Pour Meta, qui cherche activement à renforcer ses capacités en IA agentique face à OpenAI et Google, c'est un coup d'arrêt majeur. Pour l'écosystème tech mondial, cette décision illustre comment les deux premières puissances mondiales utilisent désormais la régulation des investissements comme outil de guerre technologique, au-delà des simples droits de douane. Ce veto s'inscrit dans une tendance lourde : depuis 2023, la Chine a considérablement renforcé son contrôle sur les sorties de technologies sensibles, en miroir des restrictions américaines sur les exportations de semi-conducteurs vers Pékin. Manus, fondée par des ingénieurs issus de grandes universités chinoises, représente précisément le type d'actif que Pékin entend protéger. La question reste ouverte de savoir si Meta cherchera une alternative via un partenariat ou se tournera vers d'autres cibles d'acquisition en dehors de la Chine.

Business❧Opinion

1 source

52

Illustration générée par IA

6172Next INpact 

☕️ La Chine bloque l’acquisition de Manus par Meta

Le gouvernement chinois a officiellement bloqué le rachat de Manus par Meta, mettant fin à une opération évaluée à 2 milliards de dollars annoncée en décembre 2025. La Commission nationale du développement et de la réforme a ordonné aux deux parties de retirer leur dossier, après une enquête du ministère chinois du Commerce sur The Butterfly Effect, la startup derrière Manus. Fondée par des entrepreneurs chinois et relocalisée à Singapour pour tenter d'échapper à la réglementation de Pékin, la société n'a pas réussi à contourner la surveillance des autorités. L'accord prévoyait notamment que Xiao Hong, fondateur et directeur général de Manus, rejoigne Meta en tant que vice-président au siège californien de l'entreprise. Meta n'a fait aucun commentaire sur ce dernier rebondissement. L'échec de cette acquisition prive Meta d'une technologie particulièrement convoitée : Manus développe des agents IA capables d'exécuter des missions complexes de façon autonome, un segment en pleine explosion où se positionnent aussi des acteurs comme OpenAI. La startup avait créé l'événement en mars 2025, quelques semaines seulement après l'onde de choc DeepSeek, et affichait déjà plus de 100 millions de dollars de revenus annuels récurrents après seulement huit mois d'existence. Meta comptait intégrer les agents Manus dans ses produits grand public et professionnels, dont son assistant Meta AI, ce qui aurait représenté un accélérateur majeur dans la course aux agents autonomes face à Google et Microsoft. Le dossier illustre la tension croissante entre les ambitions technologiques des géants américains et les intérêts stratégiques de Pékin sur son industrie IA. La Chine exerce une pression explicite sur les fondateurs de startups pour qu'ils restent sur le territoire national, et les lois encadrant les investissements étrangers, les transferts de technologie et les fusions transfrontalières se sont considérablement durcies. Côté américain, des restrictions interdisent par ailleurs aux investisseurs américains de financer directement des entreprises IA chinoises, transformant ce type d'opération en exercice d'équilibrisme juridique à double risque. La relocalisation à Singapour, stratégie employée par plusieurs startups chinoises pour lever des fonds internationaux, n'a pas suffi à protéger The Butterfly Effect. Avec cet échec, Manus devra trouver d'autres voies de croissance ou de financement, tandis que Meta repart sans l'une des acquisitions les plus ambitieuses de sa stratégie IA en 2026.

Business❧Opinion

Aussi surLe Monde Pixels,Numerama,01net

47

Illustration générée par IA

6173The Information AI 

Les nuances de la marge brute de Cursor, comparatif GPT-5.5 et Claude Mythos

Microsoft et OpenAI ont revu les termes de leur partenariat, avec deux concessions majeures : Azure perd son droit exclusif de distribuer les modèles OpenAI, et Microsoft n'est plus tenu de reverser 20 % des revenus générés par ces modèles sur sa plateforme cloud. Cette renégociation intervient après que des cadres de Microsoft ont exprimé des inquiétudes le mois dernier : OpenAI avait annoncé un projet de déploiement d'un agent IA via Amazon Web Services, ce qui, selon eux, violait le contrat d'exclusivité liant les deux entreprises. Par ailleurs, Cursor, la startup spécialisée dans le codage assisté par IA, continue sa montée en puissance avec un chiffre d'affaires annualisé atteignant 2,7 milliards de dollars en mars 2026, contre 1 milliard en novembre 2025. SpaceX dispose désormais d'une option d'achat sur la société valorisée à 60 milliards de dollars. Ces deux révélations illustrent les tensions structurelles qui traversent l'écosystème IA. Du côté OpenAI-Microsoft, la fin de l'exclusivité Azure signifie qu'OpenAI peut désormais s'appuyer sur d'autres clouds pour commercialiser ses modèles, ce qui lui donne un levier de négociation et une flexibilité stratégique accrue. Pour Cursor, la croissance spectaculaire masque une réalité financière préoccupante : la marge brute était de -23 % au trimestre clos en janvier 2026, avant de passer tout juste en territoire positif. Les coûts d'inférence, c'est-à-dire le calcul nécessaire pour faire tourner les modèles, plombent la rentabilité. Ce contexte met en lumière une pratique comptable discrète mais répandue dans le secteur : certaines startups IA classent une partie de leurs dépenses d'inférence en frais marketing plutôt qu'en coût des ventes. Cela ne change pas les pertes nettes, mais améliore artificiellement la marge brute, un indicateur clé pour les investisseurs. Ce tour de passe-passe comptable révèle à quel point les marges sont sous pression dans l'IA générative, y compris pour des acteurs en forte croissance. La question de la rentabilité réelle de ces modèles économiques reste entière, alors que les valorisations continuent de s'envoler.

Business❧Opinion

1 source

50

Illustration générée par IA

6174Numerama 

OpenAI met fin à sa relation exclusive avec Microsoft : ChatGPT s’ouvre à la concurrence

OpenAI a annoncé la fin de son partenariat exclusif avec Microsoft à quelques heures de l'ouverture de son procès contre Elon Musk. Concrètement, l'entreprise créatrice des modèles GPT et de ChatGPT ouvre désormais ses services à l'ensemble des fournisseurs de cloud, sans restriction. Microsoft, qui détient 27 % du capital d'OpenAI après avoir investi environ 13 milliards de dollars, cessera par ailleurs de percevoir une part des revenus générés par le partenariat, perdant ainsi son statut de distributeur exclusif. Ce changement redistribue les cartes dans la guerre que se livrent les grands acteurs du cloud autour de l'IA générative. Google Cloud, Amazon Web Services ou encore Oracle pourront désormais proposer les modèles d'OpenAI à leurs clients, ce qui élargit considérablement la diffusion de ChatGPT et des API associées. Pour Microsoft, le coup est symboliquement fort : l'entreprise conserve sa participation au capital mais perd le levier commercial qui justifiait en partie la valorisation stratégique de son investissement. Cette décision intervient dans un contexte de tension croissante autour de la gouvernance d'OpenAI. Elon Musk, cofondateur de l'organisation, poursuit l'entreprise en justice en contestant sa transformation en entité commerciale à but lucratif, une évolution qui selon lui trahit la mission initiale de l'organisation. En rompant l'exclusivité avec Microsoft, OpenAI cherche à neutraliser l'argument selon lequel ses liens financiers avec un géant technologique compromettent son indépendance, tout en s'ouvrant à un marché beaucoup plus large.

Business❧Opinion

1 source

57

Illustration générée par IA

6175Le Big Data 

ELON MUSK DÉCHAÎNÉ : Il veut évincer Sam Altman et réclame 134 Md$ à OpenAI !

Le procès opposant Elon Musk à OpenAI s'est ouvert le lundi 27 avril 2026 devant un tribunal fédéral de Californie, marquant une nouvelle escalade dans la guerre personnelle et juridique entre le patron de Tesla et SpaceX et son ancien partenaire Sam Altman. Dans sa plainte, Musk accuse Altman, le cofondateur Greg Brockman et Microsoft de rupture de contrat et d'enrichissement injustifié. Il réclame rien de moins que 134 milliards de dollars de dommages et intérêts, le renvoi d'Altman et de Brockman, et entend réinjecter ces fonds dans la branche à but non lucratif d'OpenAI. OpenAI oppose que Musk aurait accepté dès 2017 la nécessité d'une entité commerciale pour financer son développement, et que les quelque 38 millions de dollars qu'il avait apportés à la fondation constituaient un don sans droits de propriété. Le procès, estimé à deux ou trois semaines, devrait voir défiler à la barre Elon Musk, Sam Altman et Satya Nadella, le PDG de Microsoft. L'enjeu dépasse largement une querelle d'ego entre milliardaires. Si Musk obtient gain de cause, il pourrait forcer une restructuration majeure d'OpenAI et bloquer, ou du moins compliquer considérablement, sa conversion en entreprise à but lucratif que l'organisation cherche à finaliser. Microsoft, qui a investi plusieurs dizaines de milliards de dollars dans OpenAI et en est le principal partenaire cloud, se retrouve directement dans la ligne de mire. Un jugement défavorable remettrait en question la légitimité juridique de tout l'édifice financier et organisationnel bâti depuis 2019. Pour les utilisateurs de ChatGPT et pour l'ensemble de l'industrie, une telle issue créerait une incertitude massive sur la gouvernance et les financements des grands laboratoires d'IA. Tout remonte à la fondation d'OpenAI en 2015, créée explicitement comme organisation à but non lucratif dédiée au bénéfice de l'humanité. Musk, qui en était l'un des principaux bailleurs, a commencé à montrer des signes d'impatience dès 2017, cherchant à prendre un contrôle accru sur la direction scientifique. Il quitte le conseil d'administration en 2018, officiellement pour éviter un conflit d'intérêts avec Tesla. Depuis, OpenAI a connu une ascension vertigineuse avec le lancement de ChatGPT fin 2022 et des valorisations qui frôlent aujourd'hui les 300 milliards de dollars. En 2025, les autorités ont autorisé l'entreprise à faire évoluer une partie de ses activités vers un modèle lucratif tout en maintenant un lien formel avec sa structure d'origine. C'est précisément cette transformation qu'Elon Musk conteste, y voyant une trahison de la mission fondatrice et, selon Altman, surtout la frustration d'un homme qui a raté le train de la plus grande révolution technologique de la décennie.

Business⚡Actu

Aussi surThe Verge,MIT Technology Review

49

Illustration générée par IA

6176Le Big Data 

Google prêt à investir 40 milliards dans Anthropic pour rivaliser avec OpenAI

Google s'apprête à injecter au minimum 10 milliards de dollars dans Anthropic, avec une enveloppe totale pouvant atteindre 40 milliards si la startup atteint certains objectifs de performance. L'annonce, révélée par Bloomberg le 24 avril 2026, propulse la valorisation d'Anthropic à 350 milliards de dollars. Ce mouvement intervient quelques jours après qu'Amazon a lui-même engagé 5 milliards supplémentaires dans la même entreprise. Côté infrastructure, Google s'engage également à fournir 5 gigawatts de puissance de calcul via ses TPU sur cinq ans, une ressource aussi stratégique que le capital financier pour une startup dont les modèles tournent en permanence à pleine capacité. Google n'est pas un nouvel entrant dans le capital d'Anthropic, mais l'ampleur de cet engagement marque un changement d'échelle radical. Cet investissement révèle une logique qui dépasse le simple pari financier. Google cherche à sécuriser un accès privilégié aux technologies d'Anthropic pour combler son retard face à OpenAI, dont ChatGPT domine encore les usages professionnels et grand public. En échange, Anthropic consomme les infrastructures cloud et les puces de ses investisseurs, ce qui génère en retour des revenus pour Google Cloud, lesquels dépasseraient déjà ceux produits par Gemini selon des données de marché citées dans l'annonce. La startup attire ces capitaux grâce à la traction réelle de ses produits : les modèles Claude et notamment Claude Code connaissent une adoption rapide dans les environnements de développement logiciel, même si les gains de productivité restent inégaux selon les cas d'usage. La croissance brutale de la demande a cependant généré des tensions opérationnelles, avec des pannes et des limitations de service aux heures de pointe que l'entreprise tente de réguler en bridant certaines fonctionnalités pour les offres d'entrée de gamme. Cette opération s'inscrit dans une recomposition profonde du marché de l'IA, où les géants du cloud ne développent plus uniquement leurs propres modèles mais financent des acteurs indépendants pour diversifier leurs positions. Microsoft applique la même stratégie avec OpenAI depuis 2019, combinant investissement massif et fourniture d'infrastructures Azure. Amazon multiplie les paris avec Anthropic et d'autres startups. Google joue désormais sur les deux tableaux : Gemini en interne, Claude en externe. Ce modèle d'alliance hybride devient la norme dans une industrie où les coûts d'entraînement et d'inférence à grande échelle dépassent ce que même les mieux financés peuvent absorber seuls. La prochaine étape pour Anthropic sera de démontrer que cette valorisation de 350 milliards se justifie par des revenus récurrents solides, dans un marché où la concurrence entre OpenAI, Google, Meta et les challengers comme Mistral ne laisse aucune place à la stagnation.

Business❧Opinion

Aussi surSiècle Digital

49

Illustration générée par IA

6177The Information AI 

OpenAI intensifie sa présence sur AWS alors que ses clients se tournent vers la concurrence

Amazon Web Services a annoncé un accord pour intégrer les modèles d'OpenAI à sa plateforme cloud, via une nouvelle offre orientée vers l'exécution d'agents IA. L'annonce, attendue depuis plusieurs années, marque la première présence officielle d'OpenAI sur AWS, le plus grand fournisseur de cloud au monde. Six entreprises interrogées, clientes d'AWS ou consultantes pour ses clients, ont réagi avec un enthousiasme modéré, soulignant qu'elles n'ont pas attendu pour trouver des alternatives. L'arrivée tardive d'OpenAI sur AWS change peu de chose pour une partie des acteurs du marché : beaucoup se sont déjà organisés autour d'autres modèles disponibles via le service Bedrock d'Amazon, notamment ceux d'Anthropic et les modèles maison Amazon Nova, réputés pour leur rapport qualité-prix. Certaines entreprises accèdent déjà aux modèles OpenAI via Microsoft Azure ou Google Cloud, rendant l'accord AWS moins stratégique qu'il n'y paraît. Pour elles, le changement de fournisseur représente un coût de migration difficile à justifier. Cet accord intervient trois ans après qu'OpenAI a déclenché la course mondiale à l'IA avec le lancement de ChatGPT, période durant laquelle les concurrents ont comblé une grande partie de l'écart technologique. Amazon a massivement investi dans Anthropic, et les clients ont eu le temps de construire des intégrations solides avec ces modèles alternatifs. L'enjeu pour OpenAI est désormais de convaincre un marché qui a appris à se passer de lui, dans un contexte où la fidélité aux fournisseurs cloud se construit sur des mois d'intégration technique.

Business❧Opinion

1 source

48

Illustration générée par IA

6178VentureBeat AI 

L'ajustement fin du RAG peut réduire silencieusement la précision de récupération de 40 %, mettant les pipelines à base d'agents en danger

Des chercheurs de Redis ont publié une étude révélant qu'affiner les modèles d'embeddings pour améliorer la précision d'un système RAG peut réduire silencieusement la qualité de récupération générale jusqu'à 40 %. Le papier, intitulé "Training for Compositional Sensitivity Reduces Dense Retrieval Generalization", a été conduit par Srijith Rajamohan, responsable de la recherche en IA chez Redis, et ses coauteurs. L'équipe a testé ce qui se produit lorsqu'on entraîne un modèle d'embedding à détecter des phrases quasi-identiques mais de sens opposé, par exemple une négation qui inverse complètement la signification d'une phrase. Résultat : cette sensibilité compositionnelle améliore effectivement la précision ciblée, mais détruit la capacité du modèle à récupérer correctement des documents sur des sujets variés qu'il n'a pas appris à traiter spécifiquement. La dégradation atteint 8 à 9 % sur les petits modèles, et jusqu'à 40 % sur un modèle d'embedding de taille intermédiaire actuellement utilisé en production dans de nombreuses entreprises. Les conséquences sont particulièrement sévères pour les pipelines agentiques, où une erreur de récupération ne renvoie pas seulement une mauvaise réponse mais déclenche une cascade d'actions incorrectes en aval. Rajamohan résume le problème central : une forte similarité sémantique ne garantit pas une correspondance exacte d'intention. Les modèles d'embeddings compressent une phrase entière en un seul point dans un espace vectoriel à haute dimension, ce qui fonctionne bien pour la correspondance thématique large, mais échoue quand deux phrases aux mots presque identiques ont des significations opposées. En affinant le modèle pour éloigner ces phrases structurellement différentes, on lui retire l'espace vectoriel qu'il utilisait pour la récupération générale. Les deux objectifs se disputent les mêmes dimensions. L'étude note également que certaines erreurs, notamment les confusions de liaisons grammaticales (quel modificateur s'applique à quel mot dans un contrat, par exemple), ne s'améliorent presque pas avec cet entraînement ciblé, précisément là où une erreur coûte le plus cher. Ce qui rend le problème difficile à diagnostiquer, c'est que les métriques d'évaluation mesurent uniquement la tâche entraînée, pas la régression sur la récupération générale. Elle n'apparaît qu'en production. Les solutions habituelles, comme la recherche hybride combinant embeddings et mots-clés, ou le passage à un modèle plus grand, ne règlent pas le problème architectural sous-jacent. Rajamohan est explicite : "On ne peut pas s'en sortir par la taille." La recherche suggère que les équipes enterprise doivent choisir explicitement entre précision compositionnelle et généralisation large, plutôt que d'optimiser pour l'une en ignorant l'impact sur l'autre. L'enjeu dépasse le seul RAG classique, car les architectures agentiques qui prolifèrent en 2025 et 2026 amplifient chaque erreur de récupération en décision opérationnelle.

Recherche❖Paper

1 source

41

Illustration générée par IA

6179MIT Technology Review 

Reconstruire la pile de données pour l'IA

L'intelligence artificielle occupe désormais le sommet des priorités des directions d'entreprise, mais une réalité s'impose de plus en plus clairement : le principal frein à une adoption concrète n'est pas la technologie elle-même, mais l'état des données. Bavesh Patel, vice-président senior chez Databricks, résume le problème sans détour : "La qualité de l'IA, son efficacité réelle, dépend directement de l'information disponible dans votre organisation." Or dans la grande majorité des entreprises, cette information reste dispersée entre des systèmes hérités, des applications cloisonnées et des formats incompatibles. Sans infrastructure unifiée, les modèles d'IA produisent des résultats peu fiables, dépourvus de contexte, ce que Patel qualifie simplement de "terrible AI". La solution passe par une consolidation des données dans des formats ouverts, une gouvernance rigoureuse des accès, et une architecture capable de combiner données structurées et non structurées en temps réel. L'enjeu est directement compétitif. Pour Patel, "le vrai différenciateur concurrentiel de la plupart des organisations, c'est leur propre data, combinée aux données tierces qu'elles peuvent y ajouter". Les entreprises qui parviennent à poser ces fondations correctement débloquent des gains mesurables : automatisation de workflows complexes, efficacité opérationnelle accrue, voire création de nouvelles lignes de revenus. Rajan Padmanabhan, responsable technologique chez Infosys, insiste sur la nécessité de relier chaque initiative IA à des indicateurs business précis, plutôt que de traiter ces projets comme des expérimentations isolées. Les entreprises les plus avancées utilisent des cadres de gouvernance pour identifier rapidement ce qui produit des résultats concrets et abandonner ce qui n'en produit pas, une discipline que peu d'organisations ont encore intégrée dans leur fonctionnement quotidien. Cette transformation s'inscrit dans un changement de paradigme plus profond. Pendant des décennies, les systèmes d'information ont été conçus comme des outils d'exécution ou d'engagement. Padmanabhan décrit une nouvelle logique en train d'émerger : "des systèmes d'action", capables de décider et d'agir de manière autonome. C'est précisément la promesse des agents IA, qui évoluent de simples assistants vers des opérateurs autonomes gérant des flux de travail et des transactions entières. Mais cette évolution suppose que les données sous-jacentes soient fiables, accessibles et gouvernées, une condition que la plupart des grandes entreprises ne remplissent pas encore. La question n'est donc plus de savoir si l'IA va transformer l'entreprise, mais si les organisations sauront construire l'infrastructure de données nécessaire avant que la fenêtre d'opportunité ne se referme sur celles qui auront avancé plus vite.

Infrastructure❧Opinion

1 source

51

Illustration générée par IA

6180MIT Technology Review 

DeepSeek : dernière avancée en IA et la course aux modèles du monde

La firme chinoise DeepSeek a publié vendredi un aperçu de son nouveau modèle phare, V4, suscitant immédiatement l'attention de l'industrie. Cette version se distingue par sa capacité à traiter des contextes bien plus longs que la génération précédente, grâce à une architecture repensée pour gérer de grands volumes de texte avec une meilleure efficacité. Malgré son statut open source, ses performances se mesurent à celles des modèles propriétaires d'Anthropic, d'OpenAI et de Google. Point stratégique notable : V4 est la première release de DeepSeek optimisée pour les puces Ascend de Huawei, signalant un test grandeur nature de la capacité de la Chine à réduire sa dépendance aux GPU Nvidia. Dans le même temps, Google a annoncé un investissement pouvant atteindre 40 milliards de dollars dans Anthropic, dans une opération valorisant la startup à 350 milliards de dollars, signe que la course au calcul et aux modèles de pointe s'accélère des deux côtés du Pacifique. Ces annonces s'inscrivent dans une semaine marquée par des enjeux géopolitiques et industriels majeurs. La Chine a bloqué le projet de rachat par Meta du studio d'IA Manus pour 2 milliards de dollars, invoquant des raisons de sécurité nationale et qualifiant l'opération de tentative "conspiratrice" de vider la base technologique chinoise. Washington réplique en maintenant ses contrôles à l'exportation sur les puces avancées, tandis que le président Trump a licencié l'ensemble du National Science Board, suscitant des craintes sur l'interférence politique dans la recherche fondamentale américaine. Sur le plan économique, la pression sur les capacités de calcul commence à peser sur des secteurs entiers : emplois, prix de l'électricité et marchés de composants sont tous affectés par l'explosion de la demande en infrastructure IA. En parallèle, un autre front s'ouvre dans la recherche fondamentale : celui des "world models", ces systèmes capables de modéliser le monde physique plutôt que le seul domaine textuel. Des figures comme la professeure de Stanford Fei-Fei Li et Yann LeCun, fondateur d'AMI Labs, défendent l'idée que ces modèles sont indispensables pour dépasser les limites connues des grands modèles de langage et permettre de véritables avancées en robotique. Composer un roman ou générer du code reste infiniment plus simple pour une machine que de plier du linge ou naviguer dans une rue bondée ; les world models ambitionnent de combler cet écart. Ce sujet figure en tête de la liste des dix technologies prioritaires établie par le MIT Technology Review, signe que l'industrie considère désormais cette direction comme l'un des prochains fronts décisifs de l'intelligence artificielle.

LLMs⚡Actu

1 source