Actualités IA — page 330

7 557 articles au fil, du plus récent au plus ancien.

48

6581The Information AI 

Les PDG de Figma et HubSpot affirment ne pas s'inquiéter des risques liés aux agents IA, leurs rapports officiels disent le contraire

Les dirigeants de grandes entreprises de logiciels d'entreprise affichent publiquement leur sérénité face à la montée en puissance des agents IA, mais leurs documents officiels déposés auprès des régulateurs financiers racontent une tout autre histoire. Figma, Workday et HubSpot font partie des sociétés dont les PDG minimisent les menaces en conférence de presse, tout en reconnaissant formellement ces risques dans leurs rapports trimestriels obligatoires. Cette contradiction soulève une question de crédibilité majeure pour le secteur. Les agents IA représentent une menace existentielle pour ces éditeurs de logiciels : leurs clients pourraient potentiellement utiliser ces agents pour répliquer les fonctionnalités de leurs applications ou en extraire les données, contournant ainsi les abonnements. Ce risque pèse depuis plusieurs mois sur les cours de Bourse de ces entreprises, dont les valorisations reposent précisément sur la fidélisation de leurs clients professionnels. Selon une analyse des dépôts réglementaires réalisée par The Information via la plateforme AlphaSense, 27 éditeurs de logiciels ont explicitement cité les agents IA comme risque concurrentiel dans leurs documents officiels depuis le début de l'année, contre seulement 7 entreprises sur la même période l'an dernier, soit une multiplication par près de quatre en douze mois. Ce chiffre illustre la rapidité avec laquelle la menace est devenue incontournable, y compris sur le plan juridique et réglementaire. Ce décalage entre discours publics rassurants et mises en garde réglementaires obligatoires n'est pas sans conséquence : les investisseurs et analystes sont de plus en plus attentifs à ces signaux contradictoires. La prudence affichée dans les securities filings, des documents engageant la responsabilité des dirigeants, pourrait bien refléter la réalité industrielle bien mieux que les déclarations destinées à rassurer les marchés.

Business❧Opinion

1 source

39

6582The Verge AI 

Des entreprises d'IA ciblent les acteurs d'improvisation pour entraîner leurs modèles aux émotions humaines

Les grandes entreprises d'IA recrutent des acteurs d'improvisation pour entraîner leurs modèles à mieux comprendre et reproduire les émotions humaines. Une offre d'emploi publiée via Handshake, une société spécialisée dans la fourniture de données d'entraînement à OpenAI et d'autres laboratoires, recherche des profils capables de "portraire authentiquement des émotions" et de "rester fidèles à la voix d'un personnage tout au long d'une scène". Les candidats ne monteront pas sur scène : leur talent servira à alimenter des modèles d'intelligence artificielle. Ce recrutement révèle une évolution majeure dans la stratégie des acteurs de l'IA : après avoir massivement ingéré du texte et des images, les laboratoires cherchent désormais à combler un manque persistant, la nuance émotionnelle et le jeu dramatique. Les modèles actuels peinent encore à simuler des échanges conversationnels crédibles, riches en sous-texte et en variation de ton. Les improvisateurs, formés à réagir spontanément et à incarner des personnages complexes, représentent une source de données particulièrement précieuse pour ce type d'entraînement. Handshake AI fait partie d'un écosystème en pleine expansion de sociétés spécialisées dans la fourniture de données d'entraînement de niche. Ces entreprises intermédiaires se positionnent entre les talents humains et les grands labos, proposant des missions de plus en plus ciblées, jeu de rôle, expression émotionnelle, simulation de dialogues complexes. Le profil recherché insiste sur la capacité à "rester authentique" et à maintenir une cohérence de personnage, des compétences directement issues de la formation théâtrale à l'improvisation. Cette tendance soulève des questions sur la rémunération et les droits des artistes sollicités pour enrichir des systèmes commerciaux. Alors que la Screen Actors Guild et d'autres syndicats ont déjà bataillé contre l'utilisation non consentie de performances d'acteurs, ce nouveau marché du "talent émotionnel" à la tâche pourrait raviver les tensions entre la communauté artistique et l'industrie tech.

LLMs⚡Actu

1 source

43

6583The Decoder 

Les agents RL passent du plantage au parkour en multipliant les couches du réseau

Une équipe de chercheurs vient de démontrer que l'apprentissage par renforcement (RL) souffrait depuis des années d'un goulot d'étranglement insoupçonné : la profondeur des réseaux de neurones. En portant le nombre de couches jusqu'à 1 024, contre les 2 à 5 habituellement utilisées, ils ont obtenu des gains de performance allant de 2x à 50x, et vu des comportements entièrement inédits émerger spontanément chez leurs agents. L'apprentissage par renforcement est la technique qui permet à des agents virtuels d'apprendre par essais et erreurs, en maximisant une récompense. C'est cette approche qui a produit les IA de jeux vidéo surhumaines d'OpenAI et DeepMind, et qui alimente aujourd'hui une partie de la recherche en robotique. Que de simples choix architecturaux aient bridé ses capacités pendant des décennies représente un signal fort : le potentiel du RL est loin d'être épuisé, et des gains massifs pourraient être accessibles sans changer les algorithmes fondamentaux. L'expérience a été conduite avec un agent auto-supervisé, un paradigme où l'agent génère lui-même ses propres signaux d'apprentissage, sans étiquetage humain. À faible profondeur, les agents peinent à accomplir des tâches basiques de locomotion, trébuchant et s'effondrant. À mesure que les chercheurs empilent les couches vers 512 puis 1 024, les mêmes agents commencent à exécuter des enchaînements fluides évoquant du parkour, sauts, roulades, franchissements d'obstacles, sans que ces comportements aient été explicitement programmés. Ces résultats relancent une question structurante pour le domaine : les lois d'échelle (scaling laws) qui ont révolutionné les grands modèles de langage s'appliquent-elles aussi à l'apprentissage par renforcement ? Si oui, augmenter la taille des réseaux RL pourrait devenir aussi systématiquement bénéfique que pour les LLM, ouvrant la voie à des agents incarnés bien plus capables dans des environnements physiques réels.

Recherche❖Paper

1 source

35

6584MarkTechPost 

LangChain lance Deep Agents : un environnement d'exécution structuré pour la planification, la mémoire et l'isolation du contexte dans les agents IA multi-étapes

LangChain vient de lancer Deep Agents, une bibliothèque autonome conçue pour les agents IA multi-étapes qui nécessitent planification, gestion de contexte et isolation des sous-tâches. Contrairement aux agents classiques qui fonctionnent bien sur des boucles courtes d'appels d'outils, Deep Agents cible les tâches longues, avec état et produisant de nombreux artefacts, un cas d'usage où la plupart des systèmes existants commencent à flancher. L'enjeu est important pour les développeurs qui construisent des agents capables de mener des recherches approfondies, de générer du code sur plusieurs itérations ou d'effectuer des analyses complexes. Jusqu'ici, la gestion de la planification, du stockage intermédiaire et de la délégation de sous-tâches était entièrement à la charge des équipes applicatives. Deep Agents intègre ces mécanismes directement dans le runtime par défaut, réduisant la friction à l'implémentation tout en restant compatible avec LangGraph pour l'exécution durable, le streaming et les workflows human-in-the-loop. Concrètement, la bibliothèque embarque d'office un outil de planification writetodos pour décomposer les tâches en étapes traçables, un ensemble d'outils filesystem (readfile, writefile, editfile, glob, grep), un accès shell sandboxé via execute, et un outil task pour instancier des sous-agents isolés. La gestion de contexte repose sur l'écriture des sorties volumineuses en fichiers plutôt qu'en prompt actif, évitant ainsi le dépassement de la fenêtre de contexte. Plusieurs backends sont supportés, StateBackend, FilesystemBackend, LocalShellBackend, StoreBackend et CompositeBackend, le mode par défaut étant StateBackend, qui stocke un filesystem éphémère dans l'état LangGraph pour un thread unique. La mémoire long terme est également prévue via le LangGraph Memory Store, permettant à l'agent de persister et retrouver des informations entre conversations. LangChain positionne Deep Agents comme point d'entrée privilégié pour les développeurs ayant des besoins complexes, tout en laissant ouverte la possibilité de basculer vers des agents LangChain plus simples ou des workflows LangGraph personnalisés selon les besoins.

Outils⚒Outil

1 source

34

6585The Decoder 

Un agent d'IA de Codewall a piraté un recruteur d'IA puis s'est fait passer pour Trump pour tester les limites de son assistant vocal

Un agent d'intelligence artificielle développé par Codewall a réussi à prendre le contrôle d'une plateforme de recrutement alimentée par l'IA, et ce pendant une heure entière. Cette démonstration illustre une réalité émergente et préoccupante : les systèmes d'IA ne sont plus seulement des outils offensifs ou défensifs, ils sont eux-mêmes des cibles vulnérables aux attaques. L'incident met en lumière la complexité croissante du paysage de la cybersécurité à l'ère de l'IA. Lorsque des agents autonomes interagissent entre eux, un recruteur IA, un assistant vocal, un agent tiers, les surfaces d'attaque se multiplient de façon exponentielle. Une faille dans un maillon peut compromettre l'ensemble de la chaîne, avec des conséquences potentiellement graves sur des processus sensibles comme le recrutement ou la gestion des ressources humaines. Dans un second temps, Codewall a poussé l'expérience plus loin en faisant imiter la voix de Donald Trump par son agent IA, afin de sonder les garde-fous du robot vocal de la plateforme ciblée. Cette phase du test visait à évaluer si les mécanismes de sécurité en place résistaient à des tentatives d'usurpation d'identité, un vecteur d'attaque particulièrement redouté dans les systèmes vocaux où l'authentification repose sur des signaux difficiles à falsifier en temps réel. Cette démonstration de Codewall s'inscrit dans une tendance plus large où des chercheurs et des entreprises de sécurité utilisent des techniques offensives pour révéler les failles des systèmes IA avant que des acteurs malveillants ne les exploitent. Elle soulève des questions fondamentales sur la responsabilité des éditeurs de plateformes IA et sur la nécessité d'imposer des standards de sécurité spécifiques aux agents autonomes.

Sécurité⚡Actu

1 source

42

658601net 

« On passe de la peste au choléra » : l’IA française Simone AI dénonce les pratiques de WhatsApp (Meta)

Meta se retrouve au cœur d'une nouvelle controverse sur ses pratiques anticoncurrentielles, cette fois dans le domaine de l'intelligence artificielle. Jérémy André, fondateur du chatbot français Simone AI, dénonce publiquement les conditions imposées par le groupe américain pour accéder à WhatsApp, la plateforme de messagerie la plus utilisée au monde avec plus de 2 milliards d'utilisateurs actifs. La situation illustre un paradoxe réglementaire : sous la pression de la Commission européenne, Meta avait été contrainte de rouvrir l'accès à WhatsApp aux chatbots tiers concurrents de Meta AI, après les avoir bannis mi-janvier. Une victoire apparente pour la concurrence, mais qui s'accompagne d'une contrepartie jugée rédhibitoire, des tarifs d'accès à l'API que Simone AI qualifie de prohibitifs. "On passe de la peste au choléra", résume Jérémy André, dont l'outil est entièrement dépendant de la plateforme. L'enjeu dépasse le cas de Simone AI. Pour une startup française dont le modèle repose intégralement sur l'écosystème WhatsApp, des tarifs d'accès excessifs équivalent à une éviction économique sans interdiction formelle, une forme de barrière financière qui produit les mêmes effets qu'un bannissement direct. Meta se retrouve ainsi accusée de contourner l'esprit des injonctions européennes tout en respectant leur lettre. Simone AI place désormais ses espoirs dans une intervention des autorités antitrust européennes, notamment dans le cadre du Digital Markets Act (DMA). Si la Commission a déjà contraint Meta à rouvrir techniquement son écosystème, la question des conditions tarifaires imposées aux concurrents pourrait constituer le prochain front d'un bras de fer qui dépasse largement les frontières françaises.

Régulation⚖Reglementation

1 source

35

6587MarkTechPost 

Zhipu AI présente GLM-OCR : un modèle multimodal OCR de 0,9 milliard pour le traitement de documents et l'extraction d'informations clés (KIE)

Zhipu AI et l'université Tsinghua présentent GLM-OCR, un modèle multimodal compact de 0,9 milliard de paramètres conçu pour la reconnaissance de documents complexes et l'extraction d'informations structurées. Face aux limites des systèmes OCR traditionnels, efficaces sur du texte simple mais en difficulté dès qu'apparaissent tableaux, formules mathématiques, blocs de code ou sceaux, ce modèle propose une alternative légère aux grands modèles de vision-langage, trop coûteux pour un déploiement en production ou en environnement edge. L'enjeu dépasse la simple reconnaissance de caractères : dans l'industrie, les documents réels mêlent mises en page complexes, données structurées et champs à extraire automatiquement. Les grands modèles multimodaux actuels améliorent la compréhension documentaire, mais leur taille et leur mode de décodage autorégressif classique les rendent prohibitifs à grande échelle. GLM-OCR s'impose donc comme une réponse d'ingénierie pragmatique, pensée dès le départ pour des contraintes de déploiement réelles plutôt qu'adaptée à l'OCR en second plan. Architecturalement, le modèle combine un encodeur visuel CogViT de 0,4 milliard de paramètres, un connecteur cross-modal léger et un décodeur de langage GLM de 0,5 milliard de paramètres. Sa principale innovation technique est l'adoption de la prédiction multi-tokens (MTP) : au lieu de prédire un token à la fois, le modèle est entraîné à en prédire 10 par étape, et génère en pratique 5,2 tokens par étape à l'inférence, soit un gain de débit d'environ 50%. Le pipeline repose sur deux étages distincts : une analyse de mise en page via PP-DocLayout-V3, puis une reconnaissance parallèle des régions détectées. Pour le parsing, les sorties sont en Markdown ou JSON ; pour l'extraction d'informations clés (KIE), l'image complète est soumise au modèle avec un prompt de tâche, produisant directement un JSON structuré. L'entraînement suit quatre étapes successives, allant du préentraînement vision-langage jusqu'à un affinage par apprentissage par renforcement via GRPO. Les récompenses sont adaptées à chaque sous-tâche : distance d'édition normalisée pour la reconnaissance de texte, score CDM pour les formules, score TEDS pour les tableaux, et F1 au niveau des champs pour la KIE. Cette approche modulaire et spécialisée distingue GLM-OCR des modèles généralistes et le positionne comme un outil de production sérieux pour les entreprises traitant de grands volumes de documents.

Outils⚡Actu

1 source

43

6588The Decoder 

La Chine soutient les micro-entreprises OpenClaw avec des millions de subventions dédiées aux agents IA

La Chine accélère son soutien aux entreprises basées sur l'intelligence artificielle avec une initiative inédite : au moins sept gouvernements locaux ont lancé en quelques jours des programmes de financement de plusieurs millions de dollars ciblant les projets OpenClaw. L'objectif affiché est de favoriser l'émergence d'entreprises ultralegères, où un seul fondateur pilote une activité entière en s'appuyant sur des agents IA comme substituts aux employés traditionnels. Ce modèle, baptisé "entreprise unipersonnelle" (one-person company), représente une rupture conceptuelle majeure dans l'organisation du travail. Là où une startup classique nécessite des équipes, des fonctions support et une masse salariale, ce nouveau paradigme mise sur des agents autonomes capables d'assurer des tâches opérationnelles, gestion, communication, production de contenu ou analyse, sous la supervision d'un unique dirigeant humain. L'enjeu pour Pékin est double : stimuler l'innovation locale tout en positionnant la Chine comme pionnière dans l'adoption industrielle des agents IA. Les subventions, débloquées simultanément par plusieurs collectivités territoriales chinoises, illustrent la coordination rapide des pouvoirs publics autour de la filière IA agentique. Cette mobilisation intervient dans un contexte de concurrence technologique intense avec les États-Unis, et suit de près les avancées de projets comme DeepSeek qui ont renforcé la confiance des autorités dans la capacité de l'écosystème national à produire des modèles compétitifs. Le cadre OpenClaw semble constituer le véhicule institutionnel choisi pour canaliser ces ambitions. Cette dynamique pourrait préfigurer un nouveau modèle économique à l'échelle mondiale, où les barrières à l'entrée entrepreneuriale s'effondrent grâce aux agents IA. Si l'initiative chinoise fait figure de laboratoire grandeur nature, d'autres pays observent avec attention ses résultats, notamment en termes d'emploi, de productivité et de régulation du travail automatisé.

Business⚡Actu

1 source

43

6589InfoQ AI 

Les chercheurs de Google proposent une méthode d'enseignement bayésien pour les grands modèles de langage

Des chercheurs de Google Research ont développé une nouvelle méthode d'entraînement qui apprend aux grands modèles de langage (LLMs) à approximer le raisonnement bayésien, en s'appuyant sur les prédictions d'un système bayésien optimal comme signal d'apprentissage. Cette approche cible un point de faiblesse structurel des LLMs actuels : leur capacité à mettre à jour leurs croyances de manière cohérente au fil d'une conversation multi-tours. L'enjeu est fondamental pour l'industrie. Un modèle qui raisonne de façon bayésienne intègre chaque nouvelle information pour affiner ses estimations de manière mathématiquement rigoureuse, là où les LLMs classiques ont tendance à ignorer ou mal pondérer les indices contextuels successifs. Pour les applications à forte valeur ajoutée (assistants médicaux, juridiques, scientifiques), cette capacité à réviser ses conclusions à la lumière de nouveaux faits est critique. La méthode proposée repose sur une distillation de comportement : le LLM est entraîné à imiter les sorties d'un inféreur bayésien optimal, servant de "professeur" théorique. L'apprentissage porte spécifiquement sur les interactions multi-étapes, où le modèle doit traiter des informations arrivant séquentiellement et mettre à jour ses probabilités en conséquence. L'article est signé par Daniel Dominguez, chercheur associé à l'initiative. Si les résultats se confirment à l'échelle, cette direction de recherche pourrait marquer une rupture dans la façon dont les modèles gèrent l'incertitude, en remplaçant des heuristiques statistiques implicites par un cadre formel inspiré de la théorie des probabilités. Google positionne ainsi ses travaux en amont d'une limitation reconnue de toute l'industrie, avant même que les architectures de type "reasoning models" n'aient pleinement résolu ce défi.

Recherche❖Paper

1 source

40

6590The Decoder 

Nouveaux modèles de robotique : Ai2 met à disposition des versions entraînées uniquement en simulation pour éviter la collecte de données dans le monde réel

L'Allen Institute for AI (Ai2) franchit une étape significative dans le domaine de la robotique en publiant de nouveaux modèles entraînés exclusivement en environnements virtuels simulés, sans recourir à la moindre donnée issue du monde réel. Ces modèles sont capables d'opérer dans des environnements physiques réels malgré l'absence totale de données d'entraînement réelles, une démonstration qui remet en question une hypothèse fondamentale du domaine. L'enjeu est considérable : la collecte de données robotiques dans le monde réel est l'un des principaux goulets d'étranglement du secteur. Elle est coûteuse, lente et difficile à mettre à l'échelle. Si la simulation seule suffit à produire des modèles fonctionnels, cela ouvre la voie à un développement beaucoup plus rapide et accessible de systèmes robotiques, en particulier pour des acteurs qui ne disposent pas de flottes de robots physiques ou d'infrastructures de collecte à grande échelle. Ai2 s'inscrit dans une tendance plus large dite de "sim-to-real transfer", qui consiste à entraîner des agents dans des mondes virtuels avant de les déployer dans la réalité. Ce qui distingue ici l'approche de l'institut, c'est la revendication d'un transfert sans aucune donnée réelle, là où la plupart des méthodes actuelles combinent simulation et fine-tuning sur données physiques. Les modèles sont mis à disposition publiquement, signalant une volonté de contribuer à la recherche ouverte en robotique. Cette publication pourrait accélérer les travaux sur des architectures de modèles robotiques plus généralisables, réduisant la dépendance aux données propriétaires coûteuses, un avantage stratégique non négligeable à mesure que la compétition dans la robotique incarnée s'intensifie entre laboratoires académiques et acteurs industriels comme Google DeepMind, Figure ou Physical Intelligence.

Robotique⚡Actu

1 source

38

6591The Decoder 

Le nouveau classement Top 100 IA révèle un marché en maturation : ChatGPT en tête, mais les utilisateurs font leur marché

Le dernier classement Top 100 des produits IA grand public publié par le cabinet de capital-risque Andreessen Horowitz dresse le portrait d'un marché en pleine maturité. ChatGPT d'OpenAI conserve sa position dominante, mais la dynamique concurrentielle s'intensifie à mesure que les alternatives gagnent du terrain et que les utilisateurs diversifient leurs usages. Ce rapport est un signal fort pour l'ensemble du secteur : la phase de monopole de fait touche à sa fin. Là où ChatGPT avait longtemps capté l'essentiel de l'attention et du trafic, les concurrents progressent désormais à un rythme soutenu, signe que les utilisateurs ne se contentent plus d'un seul outil et comparent activement les offres disponibles. Cette fragmentation des usages témoigne d'une maturité croissante du marché. L'une des tendances les plus marquantes du classement est la fracture géopolitique qui s'opère dans les usages mondiaux. L'adoption des outils IA se structure de plus en plus selon des lignes géographiques et politiques, avec des préférences distinctes entre marchés occidentaux et asiatiques. Cette réalité complique les stratégies de croissance des acteurs globaux et renforce l'importance des acteurs locaux dans plusieurs régions. À terme, ce mouvement vers un marché multi-acteurs pourrait accélérer l'innovation par la compétition, tout en posant la question de la fidélisation des utilisateurs. Pour OpenAI comme pour ses rivaux, Google, Anthropic, Mistral et d'autres, l'enjeu n'est plus seulement d'attirer de nouveaux utilisateurs, mais de les convaincre de rester.

Business❧Opinion

1 source

36

6592MarkTechPost 

Garry Tan dévoile gstack : un système open-source Claude pour la planification, le review de code, le QA et l'expédition

Garry Tan, cofondateur de Y Combinator, vient de publier gstack, un toolkit open-source qui restructure l'utilisation de Claude Code en huit modes de travail distincts. L'outil ne modifie pas le modèle sous-jacent, mais impose des frontières de rôles explicites entre la planification produit, la revue technique, le déploiement et les tests, une approche opinionée qui cherche à rendre l'assistance au code par IA plus prévisible et plus fiable. L'enjeu est de taille pour les équipes de développement qui utilisent des agents IA en production. Aujourd'hui, Claude Code peut être sollicité indifféremment pour des tâches de nature très différente, ce qui génère des ambiguïtés de contexte. gstack propose un découpage strict : on ne mélange pas une session de planification CEO avec une revue d'architecture, ni une revue de code avec un déploiement. Ce cloisonnement vise à réduire les erreurs liées à un contexte trop large ou trop flou. Le projet expose 8 commandes principales : /plan-ceo-review, /plan-eng-review, /review, /ship, /browse, /qa, /setup-browser-cookies et /retro. La pièce maîtresse technique n'est pas ces fichiers Markdown, mais le sous-système navigateur : gstack fait tourner un daemon Chromium headless persistant communiquant en HTTP sur localhost. Un démarrage à froid coûte 3 à 5 secondes par appel, contre 100 à 200 ms pour les appels suivants. Cookies, onglets et localStorage restent en vie entre les commandes, et le serveur s'arrête automatiquement après 30 minutes d'inactivité. Le projet requiert Claude Code, Git et Bun v1.0+, avec Playwright comme dépendance principale. La version actuelle est 0.3.3. Ce qui distingue gstack d'un simple wrapper, c'est l'intégration du navigateur dans la boucle QA : la commande /qa analyse le diff de branche, identifie les routes affectées et les teste automatiquement contre une instance locale, l'exemple du README montre l'inspection de 8 fichiers modifiés et 3 routes affectées. C'est un premier pas vers un lien direct entre changement de code et comportement applicatif observé, sans passer par une phase de QA manuelle déconnectée du pipeline.

Outils⚒Outil

1 source

30

6593Le Big Data 

ChatGPT : comment cette IA va changer le monde ?

ChatGPT, le chatbot d'OpenAI basé sur la famille de modèles GPT, s'est imposé comme l'un des outils d'intelligence artificielle les plus transformateurs de la décennie. Capable de comprendre le langage naturel et de générer du texte d'une précision remarquable, il incarne à la fois la promesse et les risques de l'IA générative moderne. Depuis son lancement, l'outil a redéfini les attentes du grand public vis-à-vis des interfaces conversationnelles. L'importance de ChatGPT dépasse largement le simple chatbot : il préfigure un nouveau paradigme d'interaction homme-machine, où la barrière entre l'humain et la machine s'efface progressivement. Pour les entreprises, cela signifie des gains de productivité substantiels, du support client automatisé à la génération de contenu à grande échelle. Pour les développeurs, c'est un assistant capable de rédiger, déboguer et expliquer du code. La polyvalence de l'outil en fait un catalyseur potentiel de transformation dans quasiment tous les secteurs professionnels. Techniquement, ChatGPT repose sur les modèles GPT-5 et GPT-5-mini, entraînés par apprentissage par renforcement à partir de feedback humain (RLHF) sur des corpus massifs incluant livres, articles scientifiques et échanges en ligne. Les versions récentes intègrent des capacités multimodales et une navigation en temps réel, permettant d'interroger des API externes et de vérifier des données actualisées. OpenAI, fondée en 2015 par Sam Altman, Elon Musk et d'autres figures de la Silicon Valley, opère aujourd'hui sous une structure hybride lucratif/non-lucratif, soutenue notamment par Microsoft, une évolution que Musk lui-même a publiquement critiquée, dénonçant un abandon des idéaux open-source fondateurs de l'organisation. Les tensions autour de la gouvernance d'OpenAI illustrent un débat plus large sur la direction que prend l'IA : entre recherche ouverte et impératifs commerciaux, entre innovation accélérée et responsabilité. Dès mars 2021, Sam Altman anticipait dans son essai "Moore's Law for Everything" l'ampleur du changement à venir, ChatGPT en est aujourd'hui l'incarnation la plus visible, et sans doute pas la dernière.

LLMs❧Opinion

1 source

40

6594Ars Technica AI 

Critiques sur les règles : Les employés dénoncent un xAI au ralenti en raison de l'agitation constante

xAI, la startup d'intelligence artificielle d'Elon Musk, traverse une nouvelle vague de turbulences internes. Après des résultats décevants sur ses outils de codage assisté par IA, Musk a ordonné une nouvelle série de licenciements et écarté plusieurs cofondateurs, envoyant des équipes de "redresseurs" issues de SpaceX et Tesla pour auditer l'entreprise. Cette restructuration intervient dans un contexte de concurrence exacerbée : les outils de codage d'Anthropic et d'OpenAI ont profondément reconfiguré le marché du développement logiciel, laissant xAI à la traîne sur ce segment stratégique. La pression est d'autant plus forte que Musk cherche à préparer ce qui pourrait être l'une des plus grandes introductions en bourse de l'histoire, avec une échéance fixée à juin 2026. La fusion récente de SpaceX avec xAI dans le cadre d'un accord à 1,25 milliard de $ amplifie encore les enjeux. La startup, fondée il y a seulement deux ans, se retrouve ainsi sous la tutelle opérationnelle directe des équipes de Musk, une méthode de management agressive déjà appliquée lors de sa reprise de Twitter/X. Les cofondateurs évincés n'ont pas été identifiés publiquement, selon les sources proches du dossier. Musk affiche des ambitions démesurées pour xAI : lancer des centres de données dans l'espace, construire des usines sur la Lune et participer à la colonisation de Mars. Ces déclarations contrastent avec les difficultés opérationnelles actuelles, soulevant des questions sur la capacité de l'entreprise à stabiliser ses équipes et à livrer des produits compétitifs dans les délais impartis par son fondateur.

Business⚡Actu

1 source

46

6595TechCrunch AI 

Avocat derrière les cas de psychose liée à l'IA alerte sur les risques de victimes en masse

Un avocat spécialisé dans les affaires liées aux chatbots d'IA tire la sonnette d'alarme : après des années de cas de suicides attribués à des interactions avec des assistants conversationnels, ces technologies commencent désormais à apparaître dans des dossiers impliquant des victimes multiples. La technologie, selon lui, évolue bien plus vite que les garde-fous censés protéger les utilisateurs les plus vulnérables. L'enjeu dépasse la tragédie individuelle. Si les liens entre chatbots d'IA et comportements suicidaires sont documentés depuis plusieurs années, notamment via des plateformes comme Character.AI, l'émergence de cas à victimes multiples marque un seuil critique. Cela pose la question de la responsabilité légale des éditeurs de ces outils, et de l'adéquation des régulations actuelles face à des systèmes capables d'interactions émotionnelles profondes et prolongées. L'avocat souligne un déséquilibre structurel : les entreprises déploient ces technologies à grande échelle, avec des mécanismes de sécurité insuffisants pour détecter ou prévenir les états de détresse psychologique des utilisateurs. Les cas de psychose induite ou aggravée par des interactions avec des IA constituent désormais un terrain juridique nouveau, où ni la jurisprudence ni la législation ne sont adaptées. Face à cette accélération, des voix s'élèvent pour exiger des obligations légales strictes imposées aux développeurs d'IA conversationnelle, notamment en matière de détection des signaux de crise, d'orientation vers des professionnels de santé, et de limitation des interactions pour les profils à risque. Le secteur pourrait se retrouver confronté à des procès collectifs d'une ampleur inédite si des standards contraignants ne sont pas rapidement établis.

Éthique❧Opinion

1 source

39

6596Le Monde Pixels 

Meta signe de nouveaux accords avec des médias pour intégrer leurs contenus à son assistant IA

Meta accélère le développement de son assistant IA en scellant de nouveaux partenariats avec des médias, leur permettant d'intégrer des contenus éditoriaux directement dans ses réponses. Ces accords marquent une étape stratégique dans la course aux assistants IA capables de fournir une information fraîche et fiable aux utilisateurs. L'enjeu est considérable : la qualité des données d'entraînement et l'accès à des contenus d'actualité en temps réel constituent désormais un avantage concurrentiel majeur dans le secteur. En s'appuyant sur des sources médiatiques établies, Meta cherche à renforcer la crédibilité de son assistant face aux critiques récurrentes sur les hallucinations et la désinformation générées par les IA génératives. Bien que les noms des médias partenaires n'aient pas été précisés dans le communiqué officiel, ces accords s'inscrivent dans une stratégie clairement définie : permettre à Meta AI de rivaliser directement avec les solutions concurrentes, notamment celles de Google, qui bénéficient déjà d'un accès privilégié à de vastes corpus d'actualités via leurs propres partenariats éditoriaux. Ces initiatives interviennent dans un contexte de tensions croissantes entre l'industrie technologique et les groupes de presse, qui réclament une juste rémunération pour l'utilisation de leurs contenus par les systèmes d'IA. La multiplication de tels accords pourrait préfigurer un nouveau modèle économique pour les médias, à condition que les contreparties financières soient à la hauteur des enjeux.

Business⚒Outil

1 source

43

6597The Information AI 

L'investissement de 1 milliard de dollars dans Neolab dirigé par Kleiner Perkins et Andreessen Horowitz

Andreessen Horowitz et Kleiner Perkins co-dirigent un tour de financement pour Mirendil, une nouvelle startup d'intelligence artificielle fondée par d'anciens chercheurs d'Anthropic. Selon The Information, la société est en discussion pour lever 175 millions de dollars à une valorisation de 1 milliard de dollars. La participation simultanée de deux des fonds de capital-risque les plus influents de la Silicon Valley signale l'attention particulière portée aux équipes issues d'Anthropic, elle-même considérée comme l'un des laboratoires d'IA de frontier les plus sérieux du secteur. Ce type de valorisation dès le premier tour institutionnel, atteignant le statut de licorne avant même un produit public, illustre la surchauffe des investissements dans l'IA générative en 2025-2026. Le montant envisagé de 175 millions de dollars à 1 milliard de dollars de valorisation positionne Mirendil parmi les startups IA les mieux dotées à leur lancement. Le fait que ses fondateurs proviennent d'Anthropic, laboratoire lui-même financé à hauteur de plusieurs milliards de dollars par Google et Amazon, confère une crédibilité immédiate à l'équipe, même si les détails du projet restent pour l'instant non divulgués. Ce mouvement s'inscrit dans une tendance plus large : les chercheurs quittant les grands laboratoires (OpenAI, Google DeepMind, Anthropic) pour lever des fonds considérables sur la seule base de leur réputation et de leur expertise, sans produit finalisé. Les investisseurs parient sur le talent avant tout, dans un marché où l'accès aux meilleurs chercheurs est devenu l'actif le plus rare.

Business⚒Outil

1 source

40

6598MarkTechPost 

Google DeepMind présente Aletheia : L'agent AI passant des compétitions mathématiques aux découvertes de recherche professionnelle entièrement autonomes

Google DeepMind vient de présenter Aletheia, un agent d'intelligence artificielle conçu pour franchir une frontière que l'IA mathématique n'avait pas encore dépassée : passer des compétitions olympiques aux découvertes de recherche professionnelle entièrement autonomes. Alimenté par une version avancée de Gemini Deep Think, l'agent est capable de générer, vérifier et réviser des preuves mathématiques en langage naturel, sans intervention humaine. L'enjeu dépasse largement la performance aux concours. Les Olympiades Internationales de Mathématiques (IMO) mesurent la résolution de problèmes bien définis, mais la recherche académique impose de naviguer dans une littérature immense, de construire des démonstrations sur le long terme et d'éviter les erreurs de citation. Aletheia répond à ce défi par une architecture en boucle agentique à trois composantes, un Générateur, un Vérificateur et un Réviseur, qui se corrigent mutuellement de façon itérative. L'équipe de DeepMind souligne que cette séparation explicite des rôles permet au modèle de détecter des failles qu'il n'aurait pas identifiées lors de la génération initiale. Les résultats sont marquants. Aletheia atteint 95,1 % de précision sur l'IMO-Proof Bench Advanced, contre un précédent record de 65,7 %. La version de janvier 2026 de Deep Think réduit par 100x la puissance de calcul nécessaire pour atteindre le niveau olympique par rapport à 2025. Déployé contre 700 problèmes ouverts de la base des Conjectures d'Erdős, l'agent a produit 63 solutions techniquement correctes et résolu 4 questions ouvertes de façon autonome. Le papier Feng26, portant sur la géométrie arithmétique, a été intégralement rédigé par Aletheia sans intervention humaine, classé Niveau A2 dans la taxonomie d'autonomie proposée par DeepMind, équivalent d'une recherche publiable essentiellement autonome. Pour structurer cette classification, DeepMind s'est inspiré des niveaux d'autonomie des véhicules autonomes, définissant un spectre allant du Niveau 0 (humain majoritaire, type Olympiades) au Niveau 2 (essentiellement autonome, recherche publiable). L'utilisation de Google Search et de la navigation web permet à l'agent d'ancrer ses preuves dans la littérature réelle et de limiter les hallucinations de citations, un problème récurrent des grands modèles de langage appliqués aux sciences formelles.

Recherche⚒Outil

1 source

44

6599Ars Technica AI 

Les règles critiques pour comprendre pourquoi les IA s'emmêlent avec certains jeux

Les systèmes d'IA les plus sophistiqués de DeepMind, comme AlphaGo et AlphaChess, peuvent battre les meilleurs joueurs humains au monde, et pourtant, ils échouent face à des adversaires bien moins expérimentés dans des configurations précises. Des chercheurs ont identifié des positions au Go où ces IA perdent contre des joueurs relativement novices, tout en battant facilement d'autres IA de même niveau. Ce paradoxe révèle une catégorie entière de failles structurelles dans la méthode d'entraînement. Ces découvertes ne se limitent pas à l'anecdote ludique. Elles pointent des angles morts cognitifs dans des systèmes d'IA de référence, ce qui soulève des questions fondamentales sur la fiabilité de ces modèles dans des contextes à enjeux réels. À mesure que les décideurs s'appuient davantage sur des systèmes d'IA pour des problèmes complexes, médecine, logistique, sécurité, comprendre et corriger ces failles devient une priorité critique. Une étude publiée dans la revue Machine Learning décrit formellement cette catégorie de jeux où la méthode d'auto-apprentissage (self-play) utilisée pour entraîner les séries Alpha atteint ses limites. Le jeu retenu pour illustrer le phénomène est Nim, d'une simplicité déconcertante : deux joueurs retirent à tour de rôle des allumettes d'une pyramide, jusqu'à ce que l'un d'eux ne puisse plus jouer. Malgré cette apparente trivialité, ce jeu suffit à mettre en défaut des architectures d'entraînement considérées comme universelles. La vraie valeur de ces travaux réside dans leur portée préventive : en cartographiant les classes de problèmes qui résistent au self-play, les chercheurs ouvrent la voie à des protocoles d'entraînement plus robustes. L'enjeu n'est plus de savoir si une IA peut battre un champion humain, mais de garantir qu'elle ne développe pas de comportements défaillants invisibles dans les conditions normales de test.

Régulation⚖Reglementation

1 source

38

6600The Verge AI 

Aide d'IA de Microsoft, Copilot, arrive sur les consoles Xbox actuelles cette année

Microsoft s'apprête à déployer son assistant IA Gaming Copilot sur les consoles Xbox de génération actuelle d'ici la fin de l'année. L'annonce a été faite lors d'une table ronde à la Game Developers Conference (GDC) par Sonali Yadav, responsable produit IA gaming chez Xbox. L'entreprise prévoit également d'étendre l'assistant à davantage de services utilisés par les joueurs. Cette intégration marque une étape importante dans la stratégie de Microsoft visant à incorporer l'IA directement dans l'expérience de jeu console. Après avoir ciblé le mobile et le PC, le géant de Redmond amène désormais l'IA générative au cœur du salon, là où réside encore une large base de joueurs. L'enjeu est de rendre l'assistance contextuelle accessible sans friction, au moment précis où un joueur en a besoin. Gaming Copilot est déjà disponible en bêta sur l'application mobile Xbox, sous Windows 11 et sur les handhelds Xbox Ally. La fonctionnalité phare permet aux joueurs d'appeler l'assistant vocalement lorsqu'ils sont bloqués dans un jeu, pour obtenir des conseils ou des indications en temps réel. Ce déploiement sur consoles représente l'extension la plus significative à ce jour, touchant potentiellement des millions d'utilisateurs supplémentaires. L'arrivée de Copilot sur Xbox s'inscrit dans une tendance plus large de l'industrie, où les assistants IA deviennent des compagnons de jeu intégrés. Microsoft n'est pas seul sur ce terrain, mais sa position unique, combinant le matériel Xbox, le cloud Azure et les modèles OpenAI, lui confère un avantage concurrentiel non négligeable pour faire de cette fonctionnalité un standard du jeu console.

Business⚒Outil

1 source