Actualités IA — page 351

9 310 articles au fil, du plus récent au plus ancien.

Intel participera à la construction de l'usine de puces IA Terafab d'Elon Musk

Intel s'associe au projet Terafab d'Elon Musk, une gigafabrique de puces IA en cours de construction à Austin, au Texas. Le fabricant américain de semi-conducteurs a annoncé mardi qu'il participait à la conception et à la construction de cette installation, dont l'objectif est de fournir des puces IA aux deux entreprises de Musk : SpaceX, récemment fusionnée avec xAI, et Tesla. Aucun chiffre d'investissement n'a été rendu public pour l'instant, mais l'ampleur du site laisse entrevoir un projet de plusieurs milliards de dollars. Ce partenariat est stratégique pour les deux parties. Musk a besoin de volumes massifs de puces pour alimenter ses ambitions : voitures autonomes, robots humanoïdes, et des centres de données qu'il envisage de déployer dans l'espace via SpaceX. Pour Intel, qui traverse une période difficile face à TSMC et Nvidia, décrocher un contrat avec l'un des acteurs les plus en vue de l'IA américaine représente un signal fort sur sa capacité à rester compétitif dans la course aux semi-conducteurs avancés. Terafab s'inscrit dans un mouvement plus large de relocalisation de la production de puces aux États-Unis, accéléré par le CHIPS Act et les tensions géopolitiques autour de Taiwan. Musk, dont SpaceX prépare son introduction en bourse cette année, cherche à sécuriser une chaîne d'approvisionnement indépendante des fabricants asiatiques. Intel, de son côté, mise sur son activité de fonderie pour reconquérir des parts de marché perdues face à ses concurrents.

InfrastructureActu

Aussi sur TechCrunch AI

Perplexity : le mode incognito est une arnaque, vos recherches dévoilées

Illustration générée par IA

7002Le Big Data

Perplexity : le mode incognito est une arnaque, vos recherches dévoilées

Une action collective fédérale de 135 pages a été déposée aux États-Unis contre Perplexity, le moteur de recherche dopé à l'intelligence artificielle valorisé à plusieurs milliards de dollars. La plainte, introduite par un utilisateur anonyme sous le nom de John Doe, accuse la startup d'avoir transmis en temps réel des conversations privées à Google et Meta, y compris lorsque le mode incognito était activé. Ces transferts auraient impliqué des outils publicitaires bien identifiés : Meta Pixel, Google Ads et Google DoubleClick. L'affaire pourrait concerner des millions d'échanges depuis 2022, couvrant des sujets aussi sensibles que la santé, la fiscalité, la sexualité ou l'identité. Ce qui rend le scandale particulièrement grave, c'est la nature même de ce qui est transmis. Contrairement à une requête Google classique, les conversations avec un assistant IA sont souvent longues, personnelles et détaillées. Dans le cas de John Doe, il s'agissait de données financières liées à la gestion d'impôts et d'investissements. Mais Perplexity encourage activement ce niveau de détail en relançant ses utilisateurs avec des invitations du type "donnez-moi plus de détails sur votre plan de traitement". Si ces messages sont acheminés vers des régies publicitaires avec des identifiants liés à un compte Google ou Facebook, les conséquences sont immédiates et concrètes : un utilisateur mentionnant une maladie pourrait se retrouver ciblé par des publicités pharmaceutiques sans jamais avoir consenti à partager cette information. La plainte décrit ces mécanismes comme une "technologie d'écoute téléphonique basée sur un navigateur", soulignant que même les utilisateurs équipés de bloqueurs de publicité ou ayant désactivé les cookies ne seraient pas protégés, car Meta recommande précisément d'associer son pixel à une API de conversions pour contourner ces défenses. Perplexity avait construit une partie de sa réputation sur la promesse d'un mode incognito inspiré des navigateurs web : pas de sauvegarde, expiration des échanges au bout de vingt-quatre heures, absence dans l'historique. Cette promesse, si elle s'avère trompeuse devant un tribunal fédéral, placerait la startup dans une position juridique et réputationnelle extrêmement délicate. L'affaire s'inscrit dans un contexte plus large de méfiance croissante envers les assistants IA qui collectent des données sensibles sous couvert de confidentialité. Les régulateurs américains et européens scrutent de près ces pratiques depuis plusieurs années, et une condamnation pourrait établir un précédent majeur pour l'ensemble du secteur. Perplexity n'a pas encore répondu publiquement aux accusations au moment du dépôt de la plainte.

SécuritéOpinion

1 source

L'AI-RAN redefinit l'intelligence et l'autonomie en bordure de reseau pour les entreprises

Illustration générée par IA

7003VentureBeat AI

L'AI-RAN redefinit l'intelligence et l'autonomie en bordure de reseau pour les entreprises

Les réseaux radio à intelligence artificielle, connus sous l'acronyme AI-RAN, s'imposent progressivement comme une refonte profonde de l'infrastructure sans fil en entreprise. Lors d'une conversation avec VentureBeat, Chris Christou, vice-président senior chez Booz Allen, et Shervin Gerami, directeur général au Cerberus Operations Supply Chain Fund, ont détaillé les contours de cette transformation. Christou résume l'enjeu : l'AI-RAN permet d'étendre les promesses de la 5G, et demain de la 6G, en hébergeant directement de l'inférence IA au niveau de la périphérie du réseau, pour des cas d'usage comme la fabrication intelligente ou les entrepôts autonomes. Gerami va plus loin : selon lui, l'AI-RAN n'est pas une mise à niveau réseau, c'est un système d'exploitation pour les industries physiques. Le concept se décline en trois niveaux distincts : l'IA pour le RAN (optimisation interne du réseau), l'IA sur le RAN (exécution de charges de travail IA comme la vision par ordinateur ou l'inférence LLM locale), et enfin l'IA et le RAN conjointement, où applications et infrastructure radio sont conçues ensemble comme un système distribué coordonné. L'impact concret de cette convergence est considérable pour les secteurs industriels, logistiques et de santé. Le principe ISAC (Integrated Sensing and Communications) transforme le réseau lui-même en capteur, capable de détecter des mouvements, de suivre des actifs avec une précision inférieure au mètre dans des usines ou des hôpitaux, d'identifier des intrusions périmètriques ou d'optimiser la consommation énergétique de bâtiments intelligents. Là où les entreprises gèrent aujourd'hui des dizaines de systèmes distincts -- caméras, radars, capteurs de mouvement, traceurs d'actifs -- l'ISAC pourrait consolider ces capacités nativement dans le réseau, réduisant les coûts de maintenance, d'intégration et de gestion des fournisseurs. Pour les applications critiques comme la robotique en temps réel, l'inspection qualité instantanée ou la maintenance prédictive, la réduction de latence qu'offre l'IA en périphérie représente souvent la différence entre un système opérationnel et un système inutilisable. Cette dynamique s'inscrit dans un mouvement plus large de convergence entre cloud computing et infrastructure physique. Pendant des décennies, l'innovation applicative a été l'apanage du cloud ; l'AI-RAN ouvre la même logique d'écosystème développeur au niveau du réseau radio. Les acteurs positionnés sur ce marché -- cabinets de conseil comme Booz Allen, fonds d'investissement industriels comme Cerberus -- anticipent que la valeur ne réside plus dans le transport passif de données, mais dans la capacité à orchestrer des opérations autonomes directement depuis l'infrastructure réseau. La transition vers la 6G, attendue dans la seconde moitié de la décennie, devrait accélérer cette convergence, en faisant du réseau non plus un tuyau, mais une couche fondamentale de l'économie de l'IA physique.

InfrastructureOpinion

1 source

Les modeles se standardisent : l'avantage concurrentiel en IA se deplace vers les donnees maitrisees et leurs plateformes

Illustration générée par IA

7004VentureBeat AI

Les modeles se standardisent : l'avantage concurrentiel en IA se deplace vers les donnees maitrisees et leurs plateformes

Alors que les grands modèles de langage atteignent un niveau de performance comparable entre eux, l'avantage concurrentiel dans l'IA d'entreprise se déplace vers la donnée et les plateformes qui la gouvernent. C'est le constat que dresse Box, spécialiste de la gestion de contenu cloud, dans une analyse publiée début avril 2026. Selon Yash Bhavnani, responsable IA chez Box, "ce n'est plus ce que fait le modèle qui compte, c'est la donnée non structurée de l'entreprise elle-même : ses contrats, ses dossiers clients, ses spécifications produits, la façon dont tout cela est organisé, gouverné et rendu accessible à l'IA." Ben Kus, directeur technique de Box, va plus loin : "Les organisations qui domineront en IA sont celles qui auront construit l'infrastructure de gouvernance pour rendre n'importe quel modèle fiable, avec les bons droits d'accès, le bon contenu accessible et une piste d'audit claire pour chaque action." L'enjeu est immédiat et concret. Quand des employés utilisent des modèles frontières pour résumer des documents ou rédiger des rapports sans connexion à un système de référence interne contrôlé, les résultats deviennent impossibles à auditer et potentiellement dangereux. Bhavnani cite l'exemple d'un assureur qui utilise l'IA pour analyser des sinistres : une faible précision ou une sortie non traçable est tout simplement inacceptable. Plus grave encore, Box rapporte que des clients constatent que leurs employés téléchargent des documents sensibles sur des comptes personnels pour y lancer leurs propres workflows IA, sans aucune visibilité côté entreprise. Ce contournement génère des doublons, des silos de connaissance fantômes et des risques de conformité réels dans des secteurs soumis à HIPAA, FedRAMP High ou SOC 2. La montée en puissance des agents IA autonomes, capables d'exécuter des tâches multi-étapes sur des documents et des systèmes entiers sans intervention humaine, rend la question encore plus critique. Ces agents agissent plus vite que les humains et manquent souvent du jugement contextuel nécessaire pour distinguer les données auxquelles ils sont autorisés à accéder. Kus est catégorique : "Une plateforme IA sans gestion des permissions est trop dangereuse à déployer." Box positionne ainsi ses plateformes de contenu non plus comme de simples dépôts de fichiers, mais comme des couches d'orchestration, des "AI control planes" intercalés entre les modèles, les agents et les données d'entreprise. Cette évolution reflète un virage structurel dans l'industrie : la prochaine bataille de l'IA d'entreprise ne se jouera pas sur les benchmarks des modèles, mais sur la capacité des éditeurs de logiciels à offrir une gouvernance des données robuste, traçable et intégrée nativement à chaque flux de travail.

OutilsActu

1 source

Anthropic mise 400 millions sur une équipe de 10 chercheurs pour accélérer la découverte de médicaments avec l’IA

Illustration générée par IA

7005Siècle Digital

Anthropic mise 400 millions sur une équipe de 10 chercheurs pour accélérer la découverte de médicaments avec l’IA

Anthropic a acquis Coefficient Bio, une startup spécialisée dans la découverte de médicaments par intelligence artificielle, pour 400 millions de dollars entièrement réglés en actions Anthropic. La société, fondée par deux anciens chercheurs de Prescient Design, l'unité de calcul moléculaire de Genentech, ne comptait qu'une dizaine de personnes au moment de la transaction. Dimension, le fonds de capital-risque spécialisé en santé qui détenait la moitié du capital de Coefficient, a informé ses investisseurs de l'opération par une simple lettre. Cette acquisition marque une entrée directe d'Anthropic dans le secteur pharmaceutique, au-delà du simple rôle de fournisseur de modèles. Pour l'industrie du médicament, l'arrivée d'un laboratoire d'IA frontier avec des capacités de recherche moléculaire intégrées représente un changement de paradigme : les systèmes capables de raisonner sur des structures biologiques complexes pourraient compresser drastiquement les phases de découverte, aujourd'hui comptées en années et en centaines de millions de dollars. Coefficient Bio s'inscrit dans une vague de startups nées à l'intersection du deep learning et de la biologie computationnelle, portée par les succès d'AlphaFold et des modèles de diffusion appliqués aux protéines. Anthropic, qui cherche à diversifier ses applications au-delà des assistants textuels, suit ainsi une trajectoire similaire à celle de Google DeepMind dans les sciences du vivant. L'intégration de cette équipe de chercheurs pointus suggère qu'Anthropic ambitionne de développer des capacités propriétaires en biologie, et pas seulement d'optimiser ses modèles généralistes pour le secteur pharma.

BusinessOpinion

1 source

Google Vids monte en puissance : les modèles IA les plus récents pour créer une vidéo en un clic

Illustration générée par IA

7006Siècle Digital

Google Vids monte en puissance : les modèles IA les plus récents pour créer une vidéo en un clic

Google a annoncé une mise à jour majeure de Google Vids, son outil de création vidéo intégré à Google Workspace, en déployant ses modèles d'intelligence artificielle les plus récents. La plateforme intègre désormais Veo 3.1, capable de générer des clips vidéo en 720p à partir d'une simple description textuelle. L'outil propose également la composition musicale automatique, la personnalisation d'avatars animés, la capture d'écran intégrée et une création de bout en bout à partir d'une idée initiale. Pour les entreprises et les équipes qui produisent du contenu régulièrement, cette mise à jour réduit considérablement le temps et les compétences techniques nécessaires à la production vidéo. Là où il fallait auparavant un outil de montage, des assets sonores et un opérateur formé, Google Vids promet de compresser ce workflow en quelques clics. La cible est clairement professionnelle : présentations internes, formations, communications corporate, ou contenus marketing légers, sans passer par une agence ou un logiciel spécialisé. Google positionne Vids comme le pendant vidéo de Google Slides dans l'écosystème Workspace, capitalisant sur sa base d'utilisateurs enterprise déjà captive. La montée en puissance de Veo, son modèle vidéo génératif, s'inscrit dans une compétition directe avec Sora d'OpenAI et Runway. En intégrant ces capacités directement dans Workspace plutôt qu'en produit autonome, Google mise sur l'effet d'adoption naturelle, là où ses concurrents doivent convaincre les utilisateurs de changer d'outil. La question reste de savoir si la qualité des rendus sera suffisante pour des usages professionnels exigeants.

OutilsOutil

1 source

Anthropic coupe l’accès à Claude pour OpenClaw et tous les outils tiers

Illustration générée par IA

7007Siècle Digital

Anthropic coupe l’accès à Claude pour OpenClaw et tous les outils tiers

Anthropic a mis fin à l'accès de Claude pour OpenClaw et plusieurs outils tiers similaires, mettant brutalement fin à un modèle économique qui avait trouvé un public significatif depuis son lancement en novembre 2025. OpenClaw proposait d'exploiter les capacités de Claude comme moteur d'automatisation via un abonnement mensuel d'environ 22 euros, en s'appuyant sur un abonnement Pro partagé. Face à une facturation à la consommation via l'API officielle qui peut grimper à plusieurs milliers de dollars pour des usages intensifs, l'offre était clairement attractive. La décision d'Anthropic touche directement les utilisateurs qui avaient intégré ces outils dans leurs workflows professionnels ou personnels, souvent sans solution de remplacement immédiate au même coût. Pour les développeurs et créateurs de ces services tiers, c'est un modèle économique entier qui s'effondre. L'entreprise américaine protège ainsi ses revenus API directs, mais ferme aussi la porte à une catégorie d'utilisateurs qui n'auraient probablement jamais payé les tarifs officiels. Cette décision s'inscrit dans une tension croissante entre les fournisseurs de modèles de langage et l'écosystème de services tiers qui se construit autour d'eux. OpenAI a connu des situations similaires avec des outils exploitant ses abonnements ChatGPT. Anthropic, dont la valorisation dépasse désormais les 60 milliards de dollars après plusieurs levées de fonds majeures, cherche à mieux contrôler la chaîne de valeur autour de Claude et à orienter les usages intensifs vers ses propres offres API commerciales.

BusinessOpinion

1 source

Publicité dans l’IA : 63% des utilisateurs disent perdre confiance dans les réponses

Illustration générée par IA

7008Siècle Digital

Publicité dans l’IA : 63% des utilisateurs disent perdre confiance dans les réponses

Une enquête Ipsos Consumer Tracker menée auprès de 1 085 adultes américains révèle que 63% des utilisateurs déclarent perdre confiance dans les réponses des assistants IA dès lors que celles-ci intègrent de la publicité. L'étude met également en lumière un fossé générationnel marqué : 49% des 18-34 ans se disent très familiers avec l'IA, contre seulement 15% des plus de 55 ans, ce qui illustre à quel point l'adoption reste concentrée sur les tranches d'âge jeunes. Ce chiffre de 63% est particulièrement significatif pour l'industrie, car il pointe une tension fondamentale entre monétisation et crédibilité. Les grands acteurs comme Google, OpenAI ou Microsoft misent sur l'intégration publicitaire pour rentabiliser leurs assistants IA, dont les coûts d'infrastructure restent colossaux. Or, si les utilisateurs perçoivent les réponses comme biaisées par des intérêts commerciaux, c'est l'utilité même du produit qui s'effondre, et avec elle la fidélisation. Cette défiance s'inscrit dans un contexte où la question de la monétisation de l'IA conversationnelle est devenue centrale. Après une phase d'adoption portée par la gratuité et la nouveauté, les plateformes cherchent désormais des modèles économiques viables. Le recours à la publicité, traditionnel sur le web, se heurte ici à une attente différente : les utilisateurs traitent les assistants IA comme des conseillers neutres, non comme des médias. Trouver un équilibre entre revenus publicitaires et perception d'objectivité sera l'un des défis majeurs des prochains mois pour l'ensemble du secteur.

SociétéOpinion

1 source

Illustration générée par IA

7009Le Big Data

Pourquoi HeyGen est le leader de l’avatar IA ? - avril 2026

HeyGen s'est imposé comme le leader incontesté du marché des avatars IA en 2026, devançant l'ensemble de ses concurrents grâce à une combinaison de puissance technique et d'accessibilité. La plateforme propose une bibliothèque d'avatars numériques dotés d'une synchronisation labiale d'une précision rare, capable de reproduire les micro-mouvements musculaires du visage, les clignements d'yeux et les inclinaisons de tête. Sa fonctionnalité phare, les "Instant Avatars", permet à n'importe quel utilisateur de créer son propre double numérique en quelques minutes à partir d'une simple vidéo, sans studio ni équipement professionnel. L'outil de traduction intégré couvre plus de 175 langues avec clonage vocal, préservant le timbre et les émotions de la voix originale. Ces capacités reposent sur des modèles de deep learning entraînés sur des milliers d'heures de vidéo, améliorés en continu à chaque mise à jour. L'impact pour les entreprises est direct et mesurable : la production de contenus vidéo professionnels, autrefois réservée aux équipes disposant de budget caméra, studio et traducteurs, devient accessible à n'importe quelle organisation. Les équipes de formation, de communication interne ou de marketing peuvent générer des vidéos crédibles sans mobiliser de ressources humaines importantes. Le réalisme des avatars évite l'effet artificiel qui brise la confiance du spectateur, ce qui est décisif dans les contextes de formation en entreprise ou de communication institutionnelle. Pour les acteurs internationaux, le clonage vocal multilingue supprime le coût et la complexité de la localisation, permettant une communication globale cohérente à une fraction du budget habituel. C'est ce rapport entre qualité perçue et simplicité d'usage qui explique l'adoption rapide par les professionnels. HeyGen a émergé dans un marché de l'IA générative en pleine explosion, où des dizaines d'outils rivalisent pour capter l'attention des entreprises. Sa stratégie a consisté à ne pas se limiter à la simulation vocale, terrain déjà encombré, mais à pousser le réalisme visuel à un niveau difficile à égaler techniquement. Les concurrents comme Synthesia ou D-ID proposent des fonctionnalités comparables, mais HeyGen a pris de l'avance sur la fluidité des rendus et la vitesse de création d'avatars personnalisés. L'enjeu pour la suite sera de maintenir cette avance face à des acteurs mieux financés et à l'arrivée de modèles open source capables de répliquer certaines de ces capacités. La question de la régulation des deepfakes et de l'authentification des contenus générés par IA représente également un risque structurel pour l'ensemble du secteur, HeyGen inclus.

CréationOutil

1 source

Asylon et Thrive Logic déploient l'IA physique pour la sécurité périmétrique en entreprise

Illustration générée par IA

7010AI News

Asylon et Thrive Logic déploient l'IA physique pour la sécurité périmétrique en entreprise

Asylon Robotics et Thrive Logic ont annoncé un partenariat pour déployer ce qu'ils appellent de l'« IA physique » dans la sécurité périmétrique d'entreprise. Asylon, spécialisée dans la robotique de sécurité, opère un centre de commandement baptisé RSOC (Robotic Security Operations Centre) qui gère des patrouilles robotisées autonomes sur les périmètres extérieurs. Thrive Logic, de son côté, propose une plateforme d'intelligence opérationnelle pilotée par des agents IA. Leur intégration commune connecte les flux vidéo captés par les robots d'Asylon directement à l'agent IA de Thrive Logic, qui analyse les incidents en temps réel, déclenche des alertes auprès des équipes concernées et génère automatiquement des procédures de réponse alignées sur les standards opérationnels de chaque site. Le système produit également des rapports horodatés et prêts pour l'audit, pour chaque environnement où il est déployé. L'enjeu dépasse la simple surveillance vidéo. Là où les systèmes traditionnels se contentent d'enregistrer des événements pour une analyse ultérieure, cette solution intervient en continu et de manière proactive : les robots patrouillent, l'IA analyse, et les équipes humaines reçoivent des instructions d'action claires plutôt que de devoir interpréter des heures de footage. Pour les responsables sécurité opérant sur des périmètres étendus, soumis à une forte volatilité des effectifs humains et à des rondes d'agents souvent peu fiables, cela représente un changement de paradigme concret. La cohérence de la réponse aux incidents s'améliore, la friction opérationnelle diminue, et la traçabilité documentaire devient automatique, ce qui facilite les audits de conformité et les reportings internes. Ce partenariat s'inscrit dans une tendance plus large d'intégration entre robotique autonome et IA agentique dans les environnements physiques à risque. Damon Henry, PDG d'Asylon, résume l'objectif ainsi : les responsables sécurité n'ont pas besoin de nouveaux tableaux de bord, mais de couverture fiable, de réponse cohérente et de reporting défendable. Nate Green, PDG de Thrive Logic, insiste sur le fait que l'IA physique transforme la visibilité en action concrète. Pour l'instant, l'intégration est réservée aux grandes entreprises gérant des environnements extérieurs à forte activité, mais les deux sociétés indiquent vouloir étendre l'accès à des organisations de plus petite taille dans un avenir proche. La sécurité périmétrique autonome, longtemps cantonnée aux grandes infrastructures critiques, semble donc amorcer une démocratisation progressive vers l'ensemble du tissu entreprise.

RobotiqueActu

1 source

Google lance une application pour utiliser son IA en local sur iPhone et Android

Illustration générée par IA

7011Numerama

Google lance une application pour utiliser son IA en local sur iPhone et Android

Google a lancé AI Edge Gallery, une nouvelle application disponible sur iPhone et Android permettant de faire tourner des modèles d'intelligence artificielle directement sur l'appareil, sans connexion réseau. L'application s'appuie sur les modèles Gemma 4, la dernière génération de modèles open source légers de Google, conçus pour fonctionner sur des terminaux mobiles aux ressources limitées. Elle propose plusieurs expériences interactives exploitant ces capacités d'inférence locale. Cette initiative marque une étape concrète dans la course à l'IA embarquée sur smartphone. Faire tourner un modèle de langage en local élimine la latence réseau, préserve la confidentialité des données et permet une utilisation hors connexion, trois avantages majeurs pour les utilisateurs mobiles. Pour Google, c'est aussi un moyen de tester l'adoption de Gemma 4 auprès du grand public et de démontrer que ses modèles open source sont compétitifs sur des appareils du quotidien, face à des concurrents comme Apple Intelligence ou les solutions embarquées de Meta. Google s'inscrit ici dans une tendance de fond : après avoir imposé Gemini comme assistant par défaut sur Android, l'entreprise cherche à étendre sa présence sur iOS tout en investissant dans l'IA on-device. Gemma 4, présenté récemment, est précisément optimisé pour ce type de déploiement. AI Edge Gallery fonctionne pour l'instant comme un terrain d'expérimentation ouvert, ce qui laisse supposer qu'une intégration plus profonde dans les produits Google grand public pourrait suivre selon les retours des utilisateurs.

OutilsOutil

1 source

Waymo : l’entreprise qui veut conquérir la mobilité autonome

Illustration générée par IA

7012Le Big Data

Waymo : l’entreprise qui veut conquérir la mobilité autonome

Waymo, filiale d'Alphabet, a franchi en 2026 un seuil décisif dans la course aux véhicules autonomes. L'entreprise opère désormais une flotte de près de 3 000 robotaxis dans 10 métropoles américaines, dont San Francisco, Orlando et Houston, et revendique 500 000 courses payantes par semaine. En février 2026, elle a bouclé une levée de fonds record de 16 milliards de dollars, portant sa valorisation à 126 milliards. Son système de conduite, baptisé Waymo Driver et arrivé à sa sixième génération, combine 13 caméras, 6 radars et un lidar capable d'envoyer des millions de pulsations laser par seconde pour cartographier l'environnement en trois dimensions jusqu'à 500 mètres. Un modèle d'IA embarqué traite ces données en temps réel pour anticiper les comportements des autres usagers de la route. L'impact sur l'industrie du transport est considérable. À San Francisco, le tarif moyen d'une course Waymo s'établit autour de 17,25 dollars, soit deux à trois dollars de plus qu'un Uber classique, un écart appelé à se réduire à mesure que les volumes augmentent. L'objectif affiché est d'atteindre le million de courses hebdomadaires avant 2027, seuil à partir duquel le modèle économique deviendrait rentable malgré le coût élevé des capteurs. Pour les chauffeurs de taxi et les plateformes comme Uber ou Lyft, la menace est structurelle : Waymo contrôle verticalement la technologie, la flotte et la maintenance, ce qui lui confère un avantage compétitif durable sur des acteurs qui dépendent de conducteurs humains. Waymo n'est pas né en 2026. Le projet a démarré en 2009 au sein de Google X avant de devenir une entité indépendante d'Alphabet en 2016. Pendant des années, l'entreprise a accumulé des millions de kilomètres de tests sans parvenir à déployer un service commercial à grande échelle. Le tournant s'est produit avec le lancement de Waymo One à San Francisco, puis l'accélération vers d'autres villes, transformant ce qui ressemblait à une expérimentation permanente en véritable offre de mobilité urbaine. La concurrence reste présente, Tesla promettant son propre robotaxi et des acteurs chinois comme Baidu avançant sur leur marché intérieur, mais aucun n'a encore atteint la profondeur de déploiement de Waymo aux États-Unis. Avec 126 milliards de valorisation et le soutien financier d'Alphabet, l'entreprise aborde la prochaine phase, celle de la rentabilité, avec des moyens que ses rivaux peinent à égaler.

RobotiqueOpinion

1 source

Anthropic de nouveau confronte a une penurie de puissance de calcul

Illustration générée par IA

7013The Information AI

Anthropic de nouveau confronte a une penurie de puissance de calcul

Anthropic a annoncé lundi avoir franchi le cap de 30 milliards de dollars de revenus annualisés, ce qui représente une croissance de 58% depuis fin février. Ce chiffre suggère que l'entreprise aurait dépassé OpenAI, qui affichait 25 milliards de dollars de revenus annualisés en février dernier. La société, créatrice du chatbot Claude, confirme ainsi sa montée en puissance rapide sur le marché de l'intelligence artificielle générative. Cette progression spectaculaire s'accompagne pourtant d'une décision qui a provoqué la colère de la communauté des développeurs. Vendredi, Anthropic a annoncé que les utilisateurs souhaitant intégrer Claude dans des outils tiers -- comme l'agent IA open source OpenClaw -- devront désormais acheter une capacité supplémentaire dédiée, et ne pourront plus s'appuyer sur leur abonnement Claude existant. Cette restriction est directement liée à une pénurie de capacité de calcul : la demande explose si vite qu'Anthropic ne parvient pas à fournir suffisamment de ressources pour tous les usages simultanément. Derrière cette décision se cache un problème structurel qui touche l'ensemble du secteur : la course effrénée à la puissance de calcul. Anthropic, comme ses concurrents, investit massivement en infrastructure pour tenir le rythme de sa croissance. En bridant l'accès des développeurs tiers, l'entreprise cherche à préserver la qualité de service pour ses clients directs, au risque de freiner l'adoption de Claude dans l'écosystème open source -- un arbitrage risqué alors que la guerre des plateformes d'IA s'intensifie.

BusinessOpinion

1 source

L'entrainement decentralise peut aider a resoudre les problemes energetiques de l'IA

Illustration générée par IA

7014IEEE Spectrum AI

L'entrainement decentralise peut aider a resoudre les problemes energetiques de l'IA

L'intelligence artificielle consomme des quantités colossales d'énergie, et cette réalité pousse chercheurs et entreprises à repenser en profondeur la manière dont les modèles sont entraînés. Plutôt que de continuer à concentrer le calcul dans d'immenses centres de données centralisés, une approche émerge : la décentralisation de l'entraînement, qui distribue le travail sur un réseau de nœuds indépendants. Des acteurs comme Nvidia, avec son infrastructure Spectrum-XGS Ethernet conçue pour relier des clusters GPU géographiquement séparés, ou Cisco avec son routeur 8223 destiné à connecter des clusters d'IA dispersés, ont déjà commercialisé des solutions dans ce sens. Plus radical encore, Akash Network propose une place de marché pair-à-pair baptisée "l'Airbnb des centres de données" : des entreprises ou particuliers disposant de GPU sous-utilisés les louent à ceux qui en ont besoin, sans construction d'infrastructure supplémentaire. Sur le plan logiciel, l'apprentissage fédéré permet à plusieurs organisations d'entraîner localement un modèle partagé, en n'échangeant que les poids du modèle avec un serveur central qui les agrège, sans jamais centraliser les données brutes. L'enjeu est considérable : l'entraînement représente l'une des phases les plus énergivores du cycle de vie d'un modèle d'IA, et les émissions carbone liées aux grands modèles de langage ne cessent d'augmenter. La décentralisation offre une réponse concrète en permettant au calcul d'aller là où l'énergie existe déjà, qu'il s'agisse d'un serveur dormant dans un laboratoire de recherche ou d'un ordinateur alimenté par des panneaux solaires. Cela évite de surcharger les réseaux électriques en construisant toujours plus de centres de données, et ouvre la voie à un modèle économique inédit où de petits GPU, jusqu'ici négligés, deviennent des ressources valorisables. Comme le souligne Greg Osuri, cofondateur d'Akash Network, le monde passe progressivement d'une dépendance exclusive aux GPU les plus puissants vers une utilisation combinée de matériels plus modestes mais abondants. Cette évolution s'inscrit dans un contexte où les grandes entreprises technologiques, faute d'avancées matérielles suffisamment rapides pour suivre la croissance des modèles, explorent déjà la mutualisation de plusieurs centres de données. L'approche décentralisée soulève néanmoins des défis techniques sérieux : les échanges constants de poids de modèles génèrent des coûts de communication élevés, et la moindre défaillance d'un nœud peut obliger à recommencer un lot d'entraînement entier. Pour y répondre, des chercheurs de Google DeepMind ont développé DiLoCo, un algorithme d'optimisation à faible communication conçu spécifiquement pour l'entraînement distribué. Les solutions nucléaires envisagées par les géants du secteur restent à plusieurs années de distance ; la décentralisation, elle, est déjà opérationnelle.

InfrastructureOpinion

1 source

Refonte des processus axée sur les agents autonomes

Illustration générée par IA

7015MIT Technology Review

Refonte des processus axée sur les agents autonomes

Les budgets technologiques consacrés à l'intelligence artificielle devraient augmenter de plus de 70 % au cours des deux prochaines années, selon les projections actuelles. Dans ce contexte, Deloitte et Microsoft publient une analyse commune sur ce qu'ils appellent l'entreprise "agent-first", un modèle organisationnel où les agents d'IA opèrent les processus de bout en bout pendant que les humains se concentrent sur la définition des objectifs, des contraintes de politique et la gestion des exceptions. Scott Rodgers, architecte en chef mondial et directeur technique pour la pratique Microsoft de Deloitte aux États-Unis, résume ainsi le changement de paradigme : "Il faut faire basculer le modèle opérationnel vers des humains en tant que gouverneurs et des agents en tant qu'opérateurs." Ce repositionnement représente un changement structurel profond pour les organisations. Contrairement aux systèmes automatisés classiques fondés sur des règles statiques, les agents d'IA peuvent apprendre, s'adapter et optimiser des flux de travail entiers de manière autonome, en interagissant en temps réel avec des données, des systèmes, des personnes et d'autres agents. Pour les entreprises, l'enjeu est double : améliorer l'efficacité opérationnelle de façon non linéaire et libérer les collaborateurs des tâches répétitives pour les orienter vers des activités à plus forte valeur ajoutée, créatives, stratégiques, relationnelles. Rodgers avertit que les gains vraiment significatifs n'apparaissent que lorsque les entreprises conçoivent des flux de travail centrés sur les agents avec une gouvernance humaine, et non lorsqu'elles se contentent de greffer des agents sur des processus fragmentés hérités. Le principal obstacle identifié n'est pas technologique mais organisationnel. De nombreuses entreprises ne maîtrisent pas encore leurs propres leviers économiques, coût par transaction, coût de service, ce qui les empêche de prioriser les cas d'usage les plus rentables et les pousse à multiplier des pilotes spectaculaires mais sans impact structurel. Par ailleurs, les systèmes legacy ne sont pas conçus pour des agents autonomes : ils requièrent des définitions de processus lisibles par des machines, des contraintes de politique explicites et des flux de données structurées. Rodgers formule l'urgence sans détour : "Le vrai risque n'est pas que l'IA ne fonctionne pas, c'est que les concurrents redesignent leurs modèles opérationnels pendant que vous pilotez encore des agents et des copilotes." Les entreprises qui tardent à franchir ce cap s'exposent à un décrochage compétitif durable face à celles qui auront su reconstruire leurs processus autour des agents plutôt que de simplement les y intégrer.

BusinessOpinion

1 source

Comment Intel compte utiliser l’IA pour diviser le poids de vos jeux PC par 18

Illustration générée par IA

7016Frandroid

Comment Intel compte utiliser l’IA pour diviser le poids de vos jeux PC par 18

Intel a dévoilé une nouvelle technologie de compression neuronale baptisée TSNC (Texture Space Neural Compression), capable de réduire la taille des textures de jeux vidéo jusqu'à un facteur 18. Concrètement, un jeu qui occupe aujourd'hui 100 Go sur votre SSD pourrait n'en réclamer que quelques gigaoctets de données textures, tandis que la mémoire vidéo nécessaire au rendu en temps réel serait drastiquement allégée. La technologie repose sur des réseaux de neurones entraînés à compresser puis reconstruire les textures à la volée, à la manière d'un codec vidéo mais appliqué aux surfaces 3D. L'enjeu est considérable pour les joueurs PC, confrontés à une inflation galopante des tailles de jeux : certains titres récents dépassent les 150 à 200 Go, et les cartes graphiques milieu de gamme peinent à suivre avec leurs 8 à 12 Go de VRAM. Une compression neuronale efficace permettrait de démocratiser l'accès aux jeux les plus exigeants sans forcer les utilisateurs à investir dans du matériel haut de gamme, et soulagerait les SSD qui atteignent souvent leurs limites de capacité. Cette annonce s'inscrit dans une course technologique plus large entre les fabricants de GPU : Nvidia propose déjà des solutions similaires avec ses technologies de compression basées sur l'IA, et AMD travaille sur des approches comparables. Intel, dont l'arc GPU cherche encore à s'imposer sur le marché, mise sur le TSNC comme argument différenciant. La prochaine étape sera l'adoption par les studios de développement, qui devront intégrer ces outils dans leurs pipelines de création pour que la technologie tienne réellement ses promesses en conditions réelles.

InfrastructureActu

1 source

Illustration générée par IA

7017Ben's Bites

Pas de Claude pour Claws

Anthropic a décidé de couper l'accès à Claude via abonnement Claude Code pour les outils tiers comme OpenClaw, le harness alternatif populaire dans la communauté des développeurs. Concrètement, les utilisateurs qui accédaient à Claude depuis OpenClaw grâce à leur abonnement mensuel ne peuvent plus le faire : ils doivent désormais passer à une facturation à l'usage ou fournir leur propre clé API. Pour atténuer l'impact, Anthropic a offert un crédit unique équivalent à un mois d'abonnement. La décision intervient alors qu'Anthropic surveille de près la consommation de calcul générée par ces usages agentiques via des harnesses tiers, qui s'avère particulièrement gourmande. Parallèlement, Google a publié Gemma 4, une famille de quatre nouveaux modèles open-weights : deux variantes puissantes destinées aux ordinateurs de bureau et portables performants (26B MoE et 31B dense), et deux modèles ultra-légers pour mobile (2B et 4B), particulièrement pertinents pour les entreprises souhaitant les affiner sur leurs propres données. Du côté financier, Anthropic a vu son chiffre d'affaires annualisé atteindre 30 milliards de dollars, contre 9 milliards fin 2025, avec 6 milliards d'ARR ajoutés en février 2026 seulement. Cette restriction d'Anthropic n'est pas anodine : elle révèle une stratégie claire de réorientation des utilisateurs vers les outils propriétaires de l'entreprise -- Dispatch, tâches planifiées, projets, et computer use -- qui recoupent directement les fonctionnalités qu'OpenClaw proposait. Pour la communauté des développeurs, c'est une source de confusion majeure : beaucoup ne savent plus précisément dans quels contextes leur abonnement Claude Code reste utilisable hors du harness officiel. Le fondateur d'OpenClaw, Peter, ne compte pas abandonner pour autant et travaille à intégrer GPT-5.4 dans son outil pour offrir des performances comparables à Opus, profitant du rachat d'OpenClaw par OpenAI. Dans un contexte plus large, plusieurs signaux marquent une accélération de la structuration de l'écosystème IA. OpenAI a racheté TBPN, un podcast influent auprès des professionnels du secteur, un mouvement dont la logique commerciale reste débattue : le podcast est rentable, en croissance, et dispose d'une audience fidèle, ce qui rend l'intérêt mutuel de l'acquisition peu évident selon certains analystes. Sur le plan des outils de développement, Cursor a lancé une version 3 avec une fenêtre autonome dédiée à l'exécution d'agents, incluant des fonctionnalités de transition local-vers-cloud et de travail multi-projets. Enfin, Andrej Karpathy a partagé une approche inédite des bases de connaissances pour agents, organisée thématiquement avec résumés, rétroliens et wikis -- une piste qui intéresse de nombreux développeurs cherchant à structurer la mémoire de leurs systèmes agentiques.

OutilsActu

1 source

Pourquoi les systèmes d'IA échouent en silence

Illustration générée par IA

7018IEEE Spectrum AI

Pourquoi les systèmes d'IA échouent en silence

Dans les systèmes d'intelligence artificielle distribués, une nouvelle catégorie de pannes préoccupe de plus en plus les ingénieurs : des défaillances silencieuses où tout semble fonctionner normalement, les tableaux de bord restent au vert, les journaux d'erreurs sont vides, et pourtant les décisions produites par le système se dégradent progressivement. L'exemple typique est celui d'un assistant IA d'entreprise chargé de synthétiser des mises à jour réglementaires pour des analystes financiers : il continue de générer des résumés cohérents, de récupérer des documents valides, de distribuer ses synthèses sans interruption, mais il travaille silencieusement sur des informations obsolètes parce qu'un dépôt documentaire mis à jour n'a jamais été intégré à son pipeline de récupération. Aucune alerte ne se déclenche. Aucun composant ne tombe en panne. Le système fonctionne exactement comme prévu, mais son résultat est faux. Ce phénomène représente une rupture fondamentale avec la manière dont l'industrie logicielle a traditionnellement pensé la fiabilité. Les outils d'observabilité classiques, conçus autour de métriques comme la disponibilité, la latence et les taux d'erreur, sont bien adaptés aux applications transactionnelles où chaque requête est traitée indépendamment et où la correction peut être vérifiée immédiatement. Ils deviennent insuffisants face aux systèmes autonomes, qui fonctionnent en boucles de raisonnement continues : chaque décision influence les actions suivantes, et la correction du résultat émerge non pas d'un calcul isolé mais d'une séquence d'interactions entre composants, étalée dans le temps. Un agent de planification peut générer des étapes localement raisonnables mais globalement dangereuses. Un système de décision distribué peut exécuter des actions correctes dans le mauvais ordre. Aucune de ces conditions ne produit nécessairement d'erreur au sens technique du terme. La cause profonde est architecturale. Les logiciels traditionnels reposent sur des opérations discrètes, déclenchées de l'extérieur par un utilisateur ou un planificateur, avec un contrôle épisodique et traçable. Les systèmes autonomes modernes, qu'il s'agisse d'agents IA maintenant un contexte entre les interactions, de systèmes d'infrastructure ajustant leurs ressources en temps réel ou de workflows automatisés enchaînant des actions sans intervention humaine, observent, raisonnent et agissent en continu. La correction ne dépend plus du bon fonctionnement de chaque composant individuel, mais de la coordination dans le temps d'un flux de décisions prises par des modèles, des moteurs de raisonnement et des algorithmes de planification. Les ingénieurs spécialisés dans les systèmes distribués connaissent bien les problèmes de coordination, mais il s'agit ici d'une coordination d'un type nouveau : non plus maintenir la cohérence des données entre services, mais garantir qu'une chaîne de décisions autonomes reste alignée avec l'intention initiale du système, même lorsque rien ne se casse.

SécuritéOpinion

1 source

Block lance Managerbot, un agent Square proactif et la preuve la plus convaincante du pari IA de Jack Dorsey

Illustration générée par IA

7019VentureBeat AI

Block lance Managerbot, un agent Square proactif et la preuve la plus convaincante du pari IA de Jack Dorsey

Block a dévoilé le 7 avril 2026 Managerbot, un agent IA intégré à sa plateforme Square et destiné aux petits commerçants. Contrairement au précédent assistant Square AI, qui répondait passivement aux questions des vendeurs, Managerbot surveille en continu l'activité d'un commerce, détecte les problèmes émergents et propose des actions concrètes sans attendre qu'on lui pose de questions. Le produit est en cours de déploiement progressif, avec une disponibilité complète pour l'ensemble des utilisateurs Square prévue dans les prochains mois. Block n'a pas précisé si Managerbot serait facturé séparément ou inclus dans les abonnements existants. L'agent repose sur des modèles frontier d'Anthropic (Claude Sonnet) et d'OpenAI (famille GPT), combinés à un cadre technique propriétaire baptisé "agent harness", lui-même construit sur Goose, le framework open-source de Block. Managerbot intervient aujourd'hui dans trois domaines clés : la gestion des stocks, la planification des équipes et la création de campagnes marketing. Pour les stocks, l'agent croise les niveaux d'inventaire, la vitesse de vente et des signaux externes comme la météo ou les événements locaux afin d'anticiper les ruptures et d'optimiser les achats. Pour les plannings, il analyse les prévisions de ventes et génère automatiquement des grilles horaires qui équilibrent les préférences des employés et les besoins de couverture -- une tâche que Willem Avé, responsable produit de Square chez Block, qualifie de "problème informatique difficile" qui peut mobiliser plusieurs heures par semaine chez un dirigeant de PME. En marketing, Managerbot identifie les tendances de ventes et rédige des campagnes de reconquête ou des promotions ciblées sur les meilleurs segments de clientèle. Block indique observer "une amélioration très significative" des résultats de ces campagnes par rapport à ce que créent certains vendeurs manuellement, sans publier de chiffres précis. Cette annonce s'inscrit dans le pari stratégique assumé par Jack Dorsey, PDG de Block, selon lequel l'IA peut transformer en profondeur la façon dont son entreprise opère et sert les millions de petits commerces qui dépendent de Square au quotidien. La transition du réactif au proactif représente un changement de paradigme majeur pour les outils de gestion destinés aux TPE et PME, qui disposent rarement des ressources humaines pour analyser en continu leurs données opérationnelles. Block mise sur son "agent harness" et sur l'expérience acquise via Money Bot, son agent financier dans Cash App, pour se différencier face aux modèles tiers qu'elle exploite. L'enjeu est de taille : Square équipe des centaines d'outils différents -- facturation, stocks, paie, marketing, planification -- et Managerbot doit naviguer dans cet ensemble de façon cohérente au sein d'une boucle agentique unifiée, ce qui constitue le véritable défi technique derrière la promesse commerciale.

OutilsOutil

1 source

Gemma 4 : Google lance une famille de quatre modèles IA en open source (Apache 2.0)

Illustration générée par IA

7020Next INpact

Gemma 4 : Google lance une famille de quatre modèles IA en open source (Apache 2.0)

Google a lancé Gemma 4, sa nouvelle famille de modèles d'intelligence artificielle en open source, quelques jours avant le week-end de Pâques 2026. La gamme comprend quatre variantes baptisées E2B, E4B, 26B A4B et 31B, offrant respectivement 2,3, 4,5, 25,2 et 30,7 milliards de paramètres. Le modèle 26B A4B adopte une architecture Mixture of Experts (MoE), ce qui signifie que seuls 3,8 milliards de paramètres sont effectivement activés lors de chaque inférence, réduisant considérablement la puissance de calcul nécessaire. Tous les modèles sont multimodaux : ils traitent du texte et des images, les deux plus petits ajoutant la reconnaissance vocale. Les fenêtres de contexte atteignent 128 000 tokens pour les modèles E2B et E4B, et 256 000 tokens pour les deux plus grands. L'ensemble de la famille intègre un mode de raisonnement pas-à-pas, une prise en charge native des outils pour les workflows d'agents, ainsi que des capacités de génération et correction de code. La licence retenue est Apache 2.0, considérée comme l'une des plus permissives : elle autorise la modification, la distribution et l'usage commercial sans contrainte majeure, à condition de conserver les mentions de copyright. Ce changement de licence est la décision la plus significative de cette annonce. Jusqu'ici, Google publiait ses modèles Gemma sous une licence maison, les "Gemma Terms of Use", qui lui permettait de restreindre l'utilisation à sa discrétion. En passant à Apache 2.0, Google offre aux développeurs, entreprises et chercheurs une garantie juridique bien plus solide pour intégrer ces modèles dans des produits commerciaux ou des recherches sensibles. La diversité des tailles proposées, notamment les variantes à 2,3 et 4,5 milliards de paramètres, permet de faire tourner Gemma 4 directement sur des ordinateurs personnels ou des smartphones, sans envoyer de données vers des serveurs tiers. Pour les entreprises soucieuses de confidentialité ou les développeurs indépendants aux ressources limitées, c'est un argument concret et immédiat. Avec cette décision, Google rejoint un camp qui compte déjà Mistral avec son modèle 7B publié en septembre 2023, OpenAI avec gpt-oss-120b et Alibaba avec sa famille Qwen, tous distribués sous Apache 2.0. Meta reste en retrait avec ses modèles LLaMA, soumis à une licence plus restrictive. Le contexte concurrentiel est intense : le marché des modèles ouverts s'est considérablement animé ces dix-huit derniers mois, et Google cherche à s'y positionner comme un acteur sérieux face à des alternatives bien établies. L'annonce intervient également au moment où Anthropic durcit ses conditions d'accès pour les applications tierces sur ses modèles payants, un contraste saisissant qui renforce l'attrait de l'approche ouverte de Google. Les suites dépendront de l'adoption par la communauté et des benchmarks indépendants, mais la combinaison licence permissive et gamme de tailles variées donne à Gemma 4 de sérieux atouts pour s'imposer dans l'écosystème open source.

LLMsOpinion

1 source