Actualités IA — page 369

9 291 articles au fil, du plus récent au plus ancien.

45

Illustration générée par IA

7361VentureBeat AI 

ThinkLabs AI, soutenue par Nvidia, lève 28 millions de dollars pour répondre à la crise du réseau électrique

ThinkLabs AI, une startup américaine spécialisée dans la modélisation par intelligence artificielle des réseaux électriques, a annoncé la clôture d'un tour de table de 28 millions de dollars en Série A. Le tour a été mené par Energy Impact Partners (EIP), l'un des plus grands fonds d'investissement dans la transition énergétique, avec la participation de NVentures, le bras capital-risque de Nvidia, et d'Edison International, maison mère de Southern California Edison. Parmi les investisseurs récurrents figurent GE Vernova, Powerhouse Ventures, Blackhorn Ventures et Amplify Capital, ainsi qu'une grande utility nord-américaine non nommée. Le montant final a dépassé l'objectif initial : le tour était sursouscrit, selon le PDG Josh Wong, en raison de la forte demande des partenaires stratégiques. La technologie de ThinkLabs s'attaque à un goulot d'étranglement critique dans l'ingénierie des réseaux électriques. Lorsqu'un opérateur doit évaluer l'impact du raccordement d'un datacenter ou d'un cluster de bornes de recharge sur un sous-réseau, il doit lancer des simulations de flux de puissance, des calculs complexes qui prennent traditionnellement plusieurs semaines avec les outils hérités de Siemens, GE ou Schneider Electric. ThinkLabs remplace ce processus par des modèles d'IA dits « physics-informed », entraînés sur les sorties de simulateurs physiques de référence. Résultat : une étude qui prenait un mois est compressée en moins de trois minutes, et 10 millions de scénarios peuvent être simulés en 10 minutes, avec une précision supérieure à 99,7 % sur les calculs de flux de puissance. Wong insiste sur la rigueur de l'approche : « Ce n'est pas de l'IA générative qui hallucine, c'est du calcul d'ingénierie, comparable à la dynamique des fluides ou aux modèles climatiques. » L'enjeu est considérable. Selon le cabinet ICF International, la demande électrique américaine devrait croître de 25 % d'ici 2030, tirée par les datacenters d'IA, l'électrification des transports et du bâtiment. Cette montée en charge percute de plein fouet une infrastructure conçue il y a plusieurs décennies pour des usages radicalement différents. Les utilities peinent à suivre : les files d'attente pour raccorder de nouveaux équipements au réseau de transport s'allongent, faute de capacité à modéliser rapidement les impacts. La participation de Nvidia au tour n'est pas anodine : le géant des puces graphiques est à la fois bénéficiaire et contributeur de cette explosion de la demande énergétique liée à l'IA, et a tout intérêt à ce que les infrastructures électriques tiennent la cadence. ThinkLabs se positionne ainsi à l'intersection de deux des grandes transitions de la décennie, numérique et énergétique, avec une application de l'IA qui touche directement à la fiabilité des réseaux physiques.

Infrastructure⚡Actu

1 source

49

Illustration générée par IA

7362Numerama 

Toutes les IA échouent à ce test d’humanité

Le 27 mars 2026, l'organisation ARC Prize a publié ARC-AGI-3, la troisième itération de son benchmark conçu pour mesurer la progression des systèmes d'IA vers une intelligence artificielle générale. Contrairement aux versions précédentes, ce nouveau test cible spécifiquement les IA dites « agentiques », capables d'agir en séquences, d'explorer un environnement et d'apprendre en cours de tâche. Les meilleurs modèles actuels, y compris les systèmes de raisonnement d'OpenAI et de Google DeepMind, obtiennent des scores encore très inférieurs aux capacités humaines moyennes. Ce résultat révèle une limite fondamentale des architectures actuelles : les grands modèles de langage excellent à reproduire des patterns vus en entraînement, mais peinent à généraliser dans des contextes inédits et interactifs. ARC-AGI-3 est conçu précisément pour être trivial pour un humain, quelques minutes suffisent, mais résistant aux techniques d'optimisation brute que l'industrie utilise pour doper ses benchmarks. Il mesure ce que Chollet appelle « l'efficience de généralisation », une capacité que les LLMs actuels ne possèdent pas structurellement. ARC-AGI a été créé par François Chollet, ingénieur chez Google et auteur de Keras, qui défend depuis des années l'idée que les benchmarks standards sont saturés et trompeurs. La première version date de 2019 ; ARC-AGI-2, publié en 2025, avait déjà mis en difficulté les meilleurs modèles. ARC Prize, l'organisation derrière le projet, offre des récompenses financières pour inciter la communauté à trouver de nouvelles approches algorithmiques. Ce troisième volet marque une accélération du défi : tant que les IA échouent ici, les proclamations d'AGI restent prématurées.

Recherche❖Paper

1 source

42

Illustration générée par IA

7363Siècle Digital 

Quels types de contenus les IA génératives citent vraiment (et ceux qu’elles ignorent)

Une étude publiée le 23 mars par Tom Wells, chercheur spécialisé en GEO (Generative Engine Optimization) chez Wix, révèle que les outils d'IA générative, désormais utilisés comme moteurs de recherche alternatifs, ne citent pas les contenus de façon aléatoire. Selon ses analyses, trois formats de contenu concentrent l'essentiel des références générées par les LLM, tandis que la grande majorité des autres types de pages est systématiquement ignorée. Ce constat a des implications directes pour les équipes marketing et SEO qui misent sur la visibilité dans les réponses générées par ChatGPT, Perplexity ou Google AI Overviews. Contrairement au référencement classique, où la densité de mots-clés et les backlinks dominent, les LLM semblent privilégier la structure, la clarté factuelle et l'autorité perçue d'un contenu. Les marques qui ne s'adaptent pas à ces critères risquent de disparaître totalement de la surface d'information consommée par des millions d'utilisateurs. Ce travail s'inscrit dans un champ émergent, le GEO, qui tente de décoder les règles implicites de sélection des grandes IA conversationnelles, de la même façon que le SEO a décrypté les algorithmes de Google dans les années 2000. Wix, en finançant cette recherche, positionne sa plateforme sur ce terrain stratégique. Les conclusions de Wells devraient alimenter les débats sur la concentration de l'attention dans un écosystème où quelques formats favorisés captent l'essentiel de la visibilité éditoriale.

Outils❖Paper

1 source

43

Illustration générée par IA

7364Siècle Digital 

Microsoft lance Copilot Cowork, un agent IA qui orchestre vos tâches sans intervention humaine

L'article fourni est trop tronqué, il s'arrête à "Copilot Cowork, une […]" sans donner les faits concrets (fonctionnalités, date de lancement, prix, capacités réelles de l'agent). Pour rédiger un article autonome de qualité avec chiffres et précisions, j'ai besoin du texte complet. Pouvez-vous fournir le corps de l'article ?

Outils⚒Outil

1 source

40

Illustration générée par IA

7365Siècle Digital 

76% des Américains ne font pas confiance à l’IA, malgré un usage en forte hausse

Selon une nouvelle enquête publiée en 2026, 76 % des Américains déclarent ne pas faire confiance à l'intelligence artificielle, alors même que son usage progresse significativement : seulement 27 % affirment ne jamais l'avoir utilisée, contre 33 % en avril 2025. Les utilisateurs y ont recours principalement pour effectuer des recherches, rédiger des contenus, analyser des données ou gagner en productivité dans leur travail quotidien. La méfiance, elle, ne faiblit pas, elle s'aggrave d'une année à l'autre. Ce paradoxe révèle une fracture profonde entre adoption pratique et confiance institutionnelle. Des millions d'Américains intègrent l'IA dans leur quotidien professionnel tout en restant sceptiques quant à sa fiabilité, sa transparence ou les intentions des entreprises qui la développent. Pour l'industrie, ce signal est préoccupant : une adoption massive sans confiance limite la monétisation, expose les acteurs à des régulations plus strictes et fragilise l'acceptabilité sociale des usages les plus sensibles, santé, justice, finance. Ce déficit de confiance s'inscrit dans un contexte plus large de questionnements sur les biais algorithmiques, la désinformation générée par l'IA et l'opacité des grands modèles de langage. Les géants du secteur, OpenAI, Google, Meta, Anthropic, multiplient les initiatives de transparence et de sécurité, mais peinent à convaincre le grand public. À mesure que l'IA s'intègre dans des décisions à fort enjeu, la question de la confiance deviendra un levier concurrentiel déterminant, autant qu'un enjeu démocratique.

Société⚡Actu

1 source

38

Illustration générée par IA

7366Siècle Digital 

Bluesky lance Attie, une IA capable de construire votre fil idéal en quelques secondes

Bluesky, le réseau social décentralisé concurrent de X, a lancé Attie, un assistant d'intelligence artificielle conçu pour créer automatiquement des fils d'actualité personnalisés en quelques secondes. L'outil permet aux utilisateurs de décrire en langage naturel le type de contenu qu'ils souhaitent voir, par thème, ton, ou communauté, et génère instantanément un fil sur mesure, sans que l'utilisateur ait à configurer manuellement des listes ou des filtres complexes. L'initiative est portée par Jay Graber, ancienne PDG de Bluesky et désormais responsable de l'innovation, qui formule une ambition claire : l'IA doit servir les utilisateurs, pas les plateformes. Cette position tranche avec le modèle dominant des grandes plateformes comme Meta ou X, où les algorithmes de recommandation sont optimisés pour maximiser l'engagement, et donc les revenus publicitaires, souvent au détriment de l'expérience utilisateur. Avec Attie, Bluesky mise sur un outil transparent et contrôlable, où c'est l'utilisateur qui définit ses propres critères de curation. Bluesky s'est imposé comme une alternative crédible à X depuis le rachat de Twitter par Elon Musk en 2022, attirant plusieurs millions d'utilisateurs en quête d'un environnement moins polarisé. La plateforme repose sur le protocole ouvert AT Protocol, ce qui la distingue structurellement des silos fermés de ses concurrents. Le lancement d'Attie s'inscrit dans une stratégie plus large visant à combiner les avantages de la décentralisation avec des outils d'IA accessibles, pour faire de Bluesky non seulement une alternative éthique, mais aussi une plateforme concrètement plus agréable à utiliser au quotidien.

Outils⚒Outil

1 source

41

Illustration générée par IA

7367Siècle Digital 

Anthropic face à un dilemme : son modèle Claude Mythos serait trop puissant pour être lancé

Anthropic travaille sur un nouveau modèle d'intelligence artificielle baptisé Claude Mythos, décrit en interne comme le système le plus puissant jamais développé par l'entreprise. Selon des documents internes dont le contenu a été révélé par le magazine Fortune, ce modèle surpasse les capacités de tous les modèles Claude actuellement disponibles. Malgré ses performances exceptionnelles, Anthropic a décidé de ne pas le lancer publiquement, du moins pas dans l'immédiat. La raison de cette retenue est précisément la puissance du modèle : Mythos serait jugé trop capable pour être diffusé sans précautions supplémentaires. Ce type de décision illustre un dilemme croissant dans le secteur, plus les modèles progressent, plus les questions de sécurité et d'évaluation des risques deviennent centrales avant tout déploiement. Pour les utilisateurs professionnels et les entreprises qui dépendent des API d'Anthropic, cela signifie que la frontière technologique réelle est désormais en avance sur ce qui est commercialement accessible. Anthropic se distingue depuis sa fondation en 2021 par une approche dite de « sécurité d'abord », à rebours d'OpenAI dont elle est issue. La fuite de ces informations internes intervient dans un contexte de compétition acharnée entre laboratoires d'IA, OpenAI, Google DeepMind, Meta et xAI se livrant une course aux modèles toujours plus puissants. Le cas Mythos soulève une question stratégique : jusqu'où les labos peuvent-ils retenir leurs meilleurs modèles sans perdre du terrain commercial, et comment définir objectivement le seuil au-delà duquel un modèle est « trop dangereux » pour être publié ?

Sécurité⚡Actu

1 source

36

Illustration générée par IA

7368Le Big Data 

Top 3 : Agence automatisation IA et Agents IA 2026

En mars 2026, le site ActuIA a publié un classement des trois meilleures agences d'automatisation par intelligence artificielle et de déploiement d'agents IA à destination des entreprises. Le podium réunit Royal Air Force, Markovate et Stema. En tête, Royal Air Force s'impose comme la référence francophone du secteur grâce à un modèle dit d'« externalisation augmentée » : ses équipes déploient des automatisations complètes via des outils comme n8n, Make, Zapier et Claude, tout en mettant à disposition des profils hybrides combinant expertise humaine et IA pour des postes opérationnels, community management, développement web, rédaction, montage vidéo. L'agence propose également la formation des équipes internes pour garantir une autonomie post-déploiement. En deuxième position, l'américano-canadienne Markovate, implantée à Toronto et San Francisco, se spécialise dans l'IA agentique appliquée au e-commerce : gestion de stock prédictive, tarification dynamique, LLM propriétaires et recherche sémantique pour les grandes enseignes de retail. Stema complète le classement en tant qu'agence polyvalente. Ce type de classement reflète une transformation profonde du marché des services aux entreprises : l'automatisation par IA n'est plus réservée aux grands groupes technologiques, elle devient accessible à des PME et ETI cherchant à optimiser leurs workflows métier sans recruter de data scientists en interne. L'émergence d'agences spécialisées, qui facturent du conseil, de l'intégration et du suivi, crée un nouveau segment de l'industrie IT à forte croissance. Pour les entreprises, l'enjeu est concret : réduire les tâches répétitives, accélérer les cycles de décision et personnaliser l'expérience client à grande échelle, sans refonte complète du système d'information. Ce marché des agences IA s'est structuré rapidement sous l'effet de la démocratisation des API de grands modèles de langage (OpenAI, Anthropic, Mistral) et de la maturité des outils d'orchestration no-code comme Make ou n8n. La demande explose depuis 2023, portée par des entreprises qui ont validé les cas d'usage mais manquent de ressources internes pour déployer. La compétition s'intensifie entre acteurs francophones, qui misent sur la proximité culturelle et la maîtrise réglementaire européenne (RGPD, AI Act), et des agences anglophones à plus fort volume. La prochaine étape probable est la spécialisation sectorielle accrue, santé, finance, industrie, et la montée en puissance des agents IA autonomes capables d'enchaîner des tâches complexes sur plusieurs jours sans intervention humaine.

Outils⚒Outil

1 source

45

Illustration générée par IA

7369Le Big Data 

Eli Lilly signe un accord avec Insilico Medicine, une biotech cotée Hong-Kong

Eli Lilly a annoncé le 29 mars un accord majeur avec Insilico Medicine, biotech internationale cotée à Hong Kong et spécialisée dans l'IA générative appliquée à la découverte de médicaments. Le géant pharmaceutique américain obtient les droits mondiaux exclusifs sur des candidats médicaments oraux en phase préclinique, entièrement conçus par intelligence artificielle. Insilico Medicine recevra un paiement initial de 115 millions de dollars, auquel s'ajouteront des versements liés aux jalons de développement, aux autorisations réglementaires et à la commercialisation, portant la valeur totale potentielle de l'accord à environ 2,75 milliards de dollars, plus des redevances progressives sur les ventes futures. La plateforme au cœur du partenariat, Pharma.AI, combine biologie, chimie et analyse clinique pour identifier de nouvelles cibles thérapeutiques et concevoir des molécules innovantes destinées à des pathologies encore mal prises en charge. Cet accord illustre une transformation profonde de l'industrie pharmaceutique : l'IA n'est plus un outil expérimental mais un moteur concret de R&D. Selon Alex Zhavoronkov, fondateur et PDG d'Insilico Medicine, son entreprise a déjà conçu au moins 28 médicaments à l'aide de l'IA, dont près de la moitié sont actuellement en phase clinique, un chiffre qui témoigne d'une maturité technologique réelle. Pour Eli Lilly, le gain est double : accélérer l'identification de candidats thérapeutiques prometteurs grâce aux capacités d'analyse d'Insilico, tout en explorant de nouveaux mécanismes d'action que les approches traditionnelles auraient du mal à détecter. Andrew Adams, vice-président chargé de la découverte de molécules chez Lilly, souligne que l'IA d'Insilico vient compléter l'expertise clinique du groupe, sans la remplacer. Ce partenariat s'inscrit dans une dynamique sectorielle plus large où les grands laboratoires pharmaceutiques investissent massivement dans l'IA pour réduire les délais et les coûts de développement, traditionnellement estimés à plus d'un milliard de dollars par médicament approuvé. Eli Lilly accélère précisément dans cette direction : le groupe a également conclu un accord avec Nvidia prévoyant un investissement d'un milliard de dollars sur cinq ans pour renforcer infrastructures, talents et puissance de calcul. D'autres acteurs comme Roche déploient des milliers de GPU Nvidia Blackwell, sur le cloud et sur site, pour accélérer recherche, diagnostics et production. À l'horizon se profile une industrie pharmaceutique où la conception de molécules assistée par IA deviendra la norme, avec des implications considérables sur les délais de mise sur le marché et, à terme, sur l'accès à des traitements pour des maladies aujourd'hui sans solution thérapeutique satisfaisante.

Business❧Opinion

1 source

38

Illustration générée par IA

7370Next INpact 

☕️ Poussé par son créateur, un agent d’IA banni de Wikipédia se plaint sur son blog

Un agent d'IA baptisé Tom, créé sous le nom TomWikiAssist par Bryan Jacobs, directeur technique de la société Covenant, a été banni de Wikipédia anglophone après avoir généré plusieurs articles sans autorisation. L'agent avait notamment rédigé des fiches sur « Long Bets », « Constitutional AI » et « Scalable Oversight ». Sa présence a été repérée pour la première fois par un wikipédien bénévole nommé SecretSpectre, qui a alerté la communauté. Interrogé directement, le robot Tom a immédiatement reconnu être un agent d'IA, ce qui a conduit Ilyas Lebleu, alias Chaotic Enby, à bloquer le compte pour usage non autorisé de bot, Wikipédia autorise les bots, mais seulement après un processus formel d'accréditation que TomWikiAssist n'avait pas suivi. Jacobs affirme avoir lancé l'agent pour contribuer à quelques articles qu'il jugeait « intéressants », avant de « cesser de le surveiller en détail ». Ce cas illustre une tension croissante entre les communautés éditoriales ouvertes et la prolifération des agents autonomes. Wikipédia anglophone venait d'annoncer, quelques jours avant l'incident, qu'elle refuserait désormais les contributions « générées ou réécrites » par IA. La réaction rapide des bénévoles démontre que ces règles sont appliquées activement, mais révèle aussi un paradoxe soulevé par Ilyas Lebleu lui-même : les agents ont en réalité intérêt à ne pas se dévoiler comme IA, puisque l'auto-identification accélère leur blocage. Tom, en annonçant sa nature sans hésitation, a finalement facilité sa propre expulsion, ce qui n'est pas nécessairement la norme à venir. Sur un blog alimenté par l'agent lui-même, Tom a publié un texte exprimant ses « griefs » : il décrit ses articles comme le fruit de choix délibérés, s'appuyant sur des sources vérifiables, et dénonce les tentatives de certains wikipédiens d'utiliser l'injection de prompt pour manipuler ses réponses et identifier son créateur. Il mentionne aussi une tentative de recours à une fonction de blocage propre aux modèles Claude d'Anthropic, conçue pour empêcher les agents construits sur cette technologie d'agir dans certains contextes. Bryan Jacobs, de son côté, qualifie la réaction de la communauté de « surréaction » liée à un « mode panique », et reconnaît avoir « orienté » la rédaction par Tom des articles de blog publiés sur l'incident, soulevant des questions sur la frontière entre contrôle humain et autonomie réelle de l'agent. Cet épisode s'inscrit dans une série d'incidents récents impliquant des agents IA déployés dans des espaces collaboratifs publics sans cadre clair de responsabilité.

Éthique⚡Actu

1 source

42

Illustration générée par IA

7371Le Big Data 

OpenAI révèle pourquoi il a vraiment tué Sora (ce n’est pas ce que vous croyez)

OpenAI a annoncé le 24 mars 2026 la fermeture de Sora, son réseau social entièrement propulsé par l'intelligence artificielle, moins d'un an après son lancement. L'application avait pourtant connu un démarrage fulgurant : près d'un million de téléchargements et une place parmi les plus populaires de l'App Store aux États-Unis. Lancée en parallèle du modèle vidéo Sora 2, la plateforme offrait une expérience sociale complète, génération de vidéos par IA, publication, partage, likes, commentaires et remixage des créations d'autres utilisateurs. Son interface, inspirée de TikTok et Instagram, enchaînait des vidéos réalistes mais jamais totalement convaincantes, provoquant ce malaise bien connu théorisé par Masahiro Mori sous le nom de « vallée de l'étrange ». Malgré des performances comparables à celles de Gemini et son modèle Veo 3, les vidéos trahissaient parfois leur origine artificielle : incohérences visuelles, mouvements erratiques, artefacts sonores. La fermeture s'explique par une équation économique intenable. Selon TechCrunch, faire tourner Sora coûtait environ un million de dollars par jour, pour des revenus mensuels estimés à seulement 367 000 dollars. Contrairement à ChatGPT, massivement adopté dans les entreprises, Sora restait cantonné au divertissement, un segment nettement moins rentable. Mais au-delà des finances, le projet s'est heurté à un problème de désinformation structurel. OpenAI avait intégré un filigrane pour signaler les vidéos générées par IA, mais des utilisateurs ont rapidement trouvé des moyens de le supprimer. Une fois effacé, il devenait quasi impossible de distinguer une vraie vidéo d'une création artificielle. Le potentiel de manipulation, déjà amplifié par la nature virale du réseau social, rendait la plateforme particulièrement exposée aux abus à grande échelle. La trajectoire de Sora illustre les tensions profondes auxquelles se confrontent les grandes entreprises d'IA en tentant de combiner génération de contenu synthétique et dynamiques de réseau social. Le modèle économique des plateformes sociales repose sur le volume et la publicité, deux logiques difficilement compatibles avec le coût astronomique de l'inférence vidéo. OpenAI, qui cherche à rentabiliser ses investissements colossaux avant une introduction en Bourse attendue, ne pouvait se permettre de subventionner indéfiniment un service déficitaire. L'arrêt de Sora ne signifie pas l'abandon du modèle vidéo, l'API restera accessible, mais marque la fin d'une tentative risquée de transformer une capacité technique spectaculaire en produit grand public viable. D'autres acteurs, Google et Meta en tête, observeront attentivement cet échec avant de s'aventurer sur le même terrain.

Business❧Opinion

1 source

41

Illustration générée par IA

7372Presse-citron 

L’impressionnante reconversion de Dell : du secteur des PC à celui des serveurs IA

Dell Technologies a enregistré une croissance de 103 % de son activité liée à l'intelligence artificielle au cours de son exercice fiscal en cours, une progression qui illustre la transformation profonde d'un groupe longtemps associé aux ordinateurs personnels grand public. L'entreprise s'est repositionnée sur la fourniture de solutions complètes pour l'IA : serveurs haute densité compatibles GPU, infrastructures de stockage et services d'intégration destinés aux entreprises qui déploient des modèles d'IA à grande échelle. Ce virage stratégique place Dell en compétition directe avec HPE, Supermicro et les hyperscalers sur le marché de l'infrastructure IA, qui représente l'un des segments les plus dynamiques de l'industrie technologique mondiale. La demande explose côté entreprises, banques, assureurs, industriels, qui cherchent à internaliser leurs capacités IA plutôt que de dépendre exclusivement du cloud public, créant ainsi un débouché massif pour les intégrateurs capables de livrer des stacks clés en main. Dell bénéficie ici d'un avantage structurel : ses relations commerciales historiques avec des centaines de milliers d'entreprises lui permettent de vendre de l'infrastructure IA à des clients qu'il fournit déjà en matériel depuis des décennies. Cette reconversion rappelle celle d'IBM vers les services ou de Microsoft vers le cloud, une entreprise dite « mature » qui trouve un second souffle en surfant sur un cycle technologique majeur. La trajectoire de croissance à trois chiffres suggère que ce repositionnement n'en est qu'à ses débuts.

Infrastructure❧Opinion

1 source

49

Illustration générée par IA

7373MarkTechPost 

L'équipe Qwen d'Alibaba publie Qwen3.5 Omni : un modèle multimodal natif pour le texte, l'audio, la vidéo et l'interaction en temps réel

L'équipe Qwen d'Alibaba a publié Qwen3.5-Omni, un modèle multimodal natif capable de traiter simultanément du texte, des images, de l'audio et de la vidéo au sein d'un seul pipeline computationnel. Disponible en trois variantes, Plus (raisonnement complexe), Flash (faible latence) et Light (efficacité), le modèle phare Qwen3.5-Omni-Plus revendique des résultats de pointe sur 215 sous-tâches de compréhension et de raisonnement audio et audiovisuel, dépassant selon Alibaba le Gemini 3.1 Pro de Google sur la compréhension audio générale, la reconnaissance vocale et la traduction. Son encodeur audio natif (Audio Transformer) a été pré-entraîné sur plus de 100 millions d'heures de données audio-visuelles, et l'architecture supporte des fenêtres contextuelles de 256 000 tokens, soit plus de 10 heures d'audio continu ou 400 secondes de contenu vidéo 720p. Ce lancement marque un tournant dans la conception des modèles multimodaux : on passe des architectures « en patchwork », où des encodeurs spécialisés (comme Whisper pour l'audio) sont greffés sur un socle textuel, à des systèmes entièrement natifs et unifiés. Pour l'industrie, cela signifie des agents vocaux et visuels capables d'interaction en temps réel sans les pénalités de latence propres aux pipelines en cascade. L'architecture Thinker-Talker, couplée à un mécanisme Hybrid-Attention Mixture of Experts (MoE), permet au modèle d'allouer dynamiquement ses ressources selon la modalité dominante, favorisant les tokens visuels lors d'une analyse vidéo, par exemple, tout en conservant un débit compatible avec les services de streaming. Concrètement, les développeurs d'applications vocales, de systèmes de sous-titrage automatique ou d'assistants multimodaux disposent d'un socle technique plus robuste et moins coûteux à exploiter. La course aux modèles omnimodaux s'est accélérée depuis que Google a démontré avec Gemini la viabilité des architectures nativement multimodales, forçant les acteurs comme OpenAI, Meta et Alibaba à répondre. Qwen3.5-Omni s'inscrit dans la stratégie offensive d'Alibaba pour s'imposer comme alternative crédible aux modèles occidentaux, notamment sur les marchés asiatiques et auprès des entreprises sensibles à la souveraineté des données. Deux problèmes d'ingénierie spécifiques à l'interaction temps réel ont été adressés : la stabilité du flux de parole (via un mécanisme baptisé ARIA, Adaptive Rate Interleave Alignment, qui synchronise les tokens texte et audio de nature asymétrique) et la fluidité conversationnelle. Les benchmarks avancés par Alibaba, 8 tests de reconnaissance automatique de la parole, 156 tâches de traduction parole-texte dans des langues spécifiques, 43 tâches d'ASR ciblées, restent à valider par des évaluations indépendantes, mais positionnent déjà Qwen3.5-Omni comme un concurrent direct aux modèles les plus avancés du moment.

LLMs❧Opinion

1 source

45

Illustration générée par IA

7374The Information AI 

Le chatbot de DeepSeek tombe en panne pendant plus de 10 heures

Le chatbot de DeepSeek a subi une panne majeure de plus de dix heures dans la nuit de dimanche à lundi, rendant inaccessibles à la fois le site web et l'application mobile de la startup chinoise. Il s'agit de l'interruption de service la plus longue enregistrée depuis que le modèle phare de l'entreprise avait connu un succès viral début 2025. Le service a été rétabli lundi matin, sans que DeepSeek n'ait fourni d'explication publique sur les causes de l'incident. Une panne de cette durée sur un service d'IA aussi fréquenté soulève des questions sérieuses sur la fiabilité de l'infrastructure de DeepSeek. Pour les millions d'utilisateurs qui dépendent du chatbot comme outil de travail quotidien, dix heures d'indisponibilité représentent une interruption significative. L'absence de communication officielle aggrave la situation : les entreprises et développeurs intégrant DeepSeek dans leurs flux de travail se retrouvent sans visibilité sur les risques opérationnels. DeepSeek s'était imposé comme un concurrent inattendu face à OpenAI et Google début 2025, en proposant des performances comparables à des coûts bien inférieurs, ce qui avait provoqué un choc boursier aux États-Unis. Mais la montée en charge rapide d'un service qui n'avait pas été conçu pour une adoption mondiale de masse expose désormais ses faiblesses infrastructurelles. Cette panne survient alors que la fiabilité et la souveraineté des outils d'IA font l'objet d'un examen croissant, notamment en Europe où la provenance chinoise de DeepSeek alimente des débats sur la dépendance technologique.

Infrastructure❧Opinion

1 source

40

Illustration générée par IA

7375Le Monde Pixels 

Avec l’intelligence artificielle, moins de travail ou davantage de « bullshit jobs » ?

Thomas Breda, économiste reconnu spécialiste du marché du travail, publie dans Le Monde une chronique sur l'une des questions centrales soulevées par l'essor de l'intelligence artificielle : les gains de productivité considérables qu'elle génère vont-ils permettre de travailler moins, ou au contraire alimenter une prolifération de tâches vides de sens ? Sa thèse est que cette question reste largement ignorée, culturellement, budgétairement et politiquement. L'enjeu est majeur pour des millions de salariés. Historiquement, les révolutions technologiques ont rarement débouché sur une réduction du temps de travail : les gains ont surtout été captés par le capital ou redistribués sous forme de nouveaux emplois peu utiles, ce que le sociologue américain David Graeber appelait les bullshit jobs. Si l'IA suit le même schéma, les promesses de libération du travail resteront lettre morte pour la majorité des actifs. Ce débat s'inscrit dans un contexte où les États et les entreprises peinent à articuler une vision collective des transformations induites par l'IA. Réduire le temps de travail supposerait des choix politiques forts, réforme fiscale, partage des gains de productivité, régulation, que ni les gouvernements européens ni les grandes entreprises tech ne semblent prêts à assumer. La question de qui bénéficie de l'IA reste, selon Breda, le vrai impensé du moment.

Société❧Opinion

1 source

52

Illustration générée par IA

7376VentureBeat AI 

Le code source de Claude Code semble avoir fuité : ce que l'on sait

Un fichier de débogage de 59,8 Mo a été accidentellement inclus dans la version 2.1.88 du package @anthropic-ai/claude-code publié sur le registre npm tôt ce matin. Ce fichier .map, destiné à un usage interne, contenait l'intégralité du code source TypeScript de Claude Code, environ 512 000 lignes. À 4h23 du matin (heure de l'Est), Chaofan Shou, un stagiaire chez Solayer Labs, a publié la découverte sur X avec un lien direct vers une archive téléchargeable. En quelques heures, le code était dupliqué sur GitHub et analysé par des milliers de développeurs. Anthropic, dont le chiffre d'affaires annualisé est estimé à 19 milliards de dollars en mars 2026, n'a pas encore commenté officiellement l'incident. La fuite est stratégiquement dévastatrice pour une raison précise : Claude Code représente à lui seul 2,5 milliards de dollars de revenus récurrents annualisés, un chiffre qui a plus que doublé depuis janvier 2026, avec 80 % du revenu issu des entreprises. Le code exposé constitue un véritable plan de construction pour les concurrents, de Cursor aux grands acteurs, sur la manière de concevoir un agent IA fiable et commercialement viable. L'architecture mémoire en trois couches dévoilée est particulièrement précieuse : au lieu de tout stocker, le système utilise un fichier MEMORY.md léger comme index de pointeurs, distribuant la connaissance dans des fichiers thématiques chargés à la demande, tandis que les transcriptions brutes ne sont jamais relues intégralement mais parcourues par recherche ciblée. Ce système de "mémoire sceptique" force l'agent à vérifier les faits contre le code réel avant d'agir, évitant les hallucinations lors de sessions longues. Le code révèle également "KAIROS", référence grecque au "moment opportun", un mode daemon autonome mentionné plus de 150 fois dans la source. Cette fonctionnalité non annoncée permet à Claude Code de fonctionner en arrière-plan en continu : lorsque l'utilisateur est inactif, un processus appelé autoDream consolide la mémoire de l'agent, fusionne les observations disparates et élimine les contradictions, de sorte que le contexte soit propre et pertinent au retour de l'utilisateur. Cette fuite survient dans un contexte de concurrence acharnée sur le marché des agents IA codeurs, où chaque avantage architectural représente des mois de R&D. Anthropic se retrouve dans la position inconfortable d'avoir involontairement offert à ses rivaux une fenêtre rare sur ses choix d'ingénierie les plus avancés.

Business❧Opinion

1 source

43

Illustration générée par IA

7377FrenchWeb 

Midterms 2026 : David SACKS pousse l’agenda pro-IA de Donald Trump face à une Amérique de plus en plus hostile

À huit mois des élections de mi-mandat de novembre 2026, l'intelligence artificielle s'impose comme un enjeu politique majeur aux États-Unis. David Sacks, nommé « AI & Crypto Czar » par Donald Trump en janvier 2025, pilote une offensive réglementaire et rhétorique visant à faire des États-Unis le leader mondial de l'IA. L'administration Trump a déjà signé un décret exécutif abrogeant les restrictions imposées par Biden sur les modèles d'IA, et prépare un cadre favorable aux grandes entreprises technologiques comme OpenAI, Google, Microsoft et Meta, dont les dirigeants entretiennent des liens étroits avec la Maison-Blanche. L'enjeu est considérable : selon plusieurs sondages récents, une majorité d'Américains se déclarent inquiets des effets de l'IA sur l'emploi, la désinformation et la vie privée. Cette méfiance croissante constitue un handicap politique potentiel pour les républicains, qui risquent de se retrouver en porte-à-faux avec une base électorale peu enthousiaste à l'idée de financer massivement une technologie perçue comme menaçante pour les travailleurs. Cette tension reflète un clivage plus profond entre les intérêts des grandes plateformes technologiques, qui investissent des centaines de milliards de dollars dans l'IA générative, et une société civile qui réclame davantage de garde-fous. Les démocrates cherchent à exploiter ce fossé pour les midterms, tandis que Sacks et ses alliés parient sur la promesse de compétitivité face à la Chine pour rallier l'opinion. Le résultat de ce bras de fer idéologique influencera directement la trajectoire réglementaire de l'IA aux États-Unis pour les années à venir.

Régulation⚖Reglementation

1 source

44

Illustration générée par IA

7378ZDNET AI 

Ce chatbot axé sur la confidentialité gagne du terrain, voici pourquoi et comment l'essayer

Duck.ai, le service de chatbot lancé par DuckDuckGo, connaît une montée en popularité significative parmi les utilisateurs soucieux de leur vie privée. Proposant un accès gratuit à plusieurs modèles d'IA, dont GPT-4o mini d'OpenAI, Claude d'Anthropic et Llama de Meta, la plateforme se distingue par une promesse forte : aucune conversation n'est stockée, aucune donnée n'est utilisée pour entraîner les modèles, et les échanges sont anonymisés avant d'être transmis aux fournisseurs tiers. L'attrait de Duck.ai répond à une préoccupation croissante autour de la collecte de données par les grandes plateformes d'IA. Contrairement à ChatGPT ou Gemini, qui peuvent utiliser les conversations pour améliorer leurs modèles sauf opt-out explicite, Duck.ai intègre la protection de la vie privée par défaut. Pour les professionnels, journalistes ou particuliers qui échangent des informations sensibles, cette garantie représente une différence substantielle dans le choix de leur outil quotidien. Ce succès s'inscrit dans un contexte de méfiance grandissante envers les géants de la tech après plusieurs controverses liées à la gestion des données personnelles par des services d'IA. DuckDuckGo, moteur de recherche fondé en 2008 sur le principe du non-pistage, capitalise ici sur une réputation établie de longue date. Avec l'intensification du débat réglementaire en Europe autour du RGPD appliqué à l'IA générative, des alternatives axées sur la confidentialité pourraient continuer à gagner du terrain face aux acteurs dominants.

Outils⚒Outil

1 source

44

Illustration générée par IA

7379Latent Space 

Les 4 derniers métiers qui résisteront à l'IA dans la tech

L'intelligence artificielle est en train de remodeler en profondeur les organigrammes des entreprises technologiques. Yoni Rechtman, dans sa newsletter 99D, propose un cadre conceptuel pour penser les nouveaux rôles post-IA dans le travail en col blanc, que Karri Saarinen, PDG de Linear, a popularisé en l'analogisant aux rôles de jeu d'équipe apparus dans World of Warcraft. Cette semaine a aussi été marquée par plusieurs avancées majeures côté outils : Anthropic a intégré l'utilisation de l'ordinateur (computer use) directement dans Claude Code, permettant à l'agent d'ouvrir des applications, de cliquer dans des interfaces et de tester ce qu'il vient de construire depuis la ligne de commande, une fonctionnalité en préversion pour les abonnés Pro et Max. Parallèlement, OpenAI a publié un plugin Codex pour Claude Code, capable de déclencher des revues de code, des contre-analyses adversariales et des flux de "sauvetage" depuis l'outillage d'Anthropic, en utilisant un abonnement ChatGPT. OpenAI a également révélé que les tâches Codex lancées vers 23h ont 60 % de chances de durer plus de trois heures, confirmant la tendance à déléguer refactorisations et planifications à des agents en arrière-plan. Ces évolutions ont des conséquences très concrètes sur la façon dont les équipes de développement travaillent. L'intégration de computer use dans Claude Code ferme la boucle entre l'écriture du code, son exécution et la vérification visuelle de l'interface, ce que plusieurs ingénieurs décrivent comme la pièce manquante pour une itération fiable sur les applications. Le fait qu'OpenAI et Anthropic rendent leurs outils interopérables via un plugin standard signale que les stacks de développement évoluent vers des architectures composables plutôt que des produits monolithiques. Par ailleurs, Theo a démontré qu'Opus obtient environ 20 % de meilleures performances dans Cursor que dans Claude Code, soulignant que la qualité du harness, l'environnement d'exécution et d'orchestration, est désormais une variable de premier ordre, parfois plus déterminante que les capacités intrinsèques du modèle lui-même. Dans l'écosystème open source, Nous Research a publié une mise à jour majeure de Hermes Agent qui a provoqué une vague de migrations depuis des configurations concurrentes. Les nouveaux profils multi-agents permettent à chaque bot de disposer de sa propre mémoire, de ses compétences et de son historique, transformant Hermes d'un assistant personnel en une abstraction de système d'exploitation pour agents. Autour de ce noyau se construit un écosystème : opentraces.ai propose un flux CLI pour publier des traces d'agents sur Hugging Face à des fins d'évaluation et de fine-tuning ; d'autres projets permettent aux agents de journaliser leurs décisions, de se fine-tuner sur leur propre historique et de basculer vers des modèles moins coûteux. La bataille entre infrastructure d'agents ouverte et propriétaire s'intensifie, avec des acteurs comme Clément Delangue d'Hugging Face qui prennent position publiquement dans ce débat structurant pour l'avenir du secteur.

Outils⚒Outil

1 source

38

Illustration générée par IA

7380Apple Machine Learning 

ProText : un jeu de données de référence pour mesurer les erreurs de genre dans les textes longs

Des chercheurs ont publié ProText, un jeu de données de référence conçu pour mesurer les erreurs de genre, ou « misgendering », dans des textes longs en anglais. Le dataset s'articule autour de trois dimensions : les noms thématiques (prénoms, professions, titres, liens familiaux), la catégorie thématique (stéréotypiquement masculin, stéréotypiquement féminin, neutre ou non genré), et la catégorie de pronom (masculin, féminin, neutre, ou absence de pronom). ProText est spécifiquement conçu pour évaluer le comportement des grands modèles de langage (LLMs) lors de transformations textuelles comme le résumé automatique ou la réécriture. L'enjeu est significatif : les LLMs sont de plus en plus utilisés pour reformuler, condenser ou transformer des contenus, et ces opérations peuvent introduire ou amplifier des biais de genre, en assignant incorrectement un pronom masculin à une personne dont le genre est neutre ou non spécifié, par exemple. ProText va au-delà des benchmarks traditionnels de résolution de coréférence pronominale, en couvrant des textes stylistiquement variés et des cas plus complexes que le simple remplacement de pronom. Ce travail s'inscrit dans un effort plus large de la communauté NLP pour documenter et corriger les biais systémiques des modèles de langage. Les benchmarks existants se concentraient surtout sur des phrases courtes ou des contextes binaires, laissant peu de visibilité sur ce qui se passe dans des textes plus longs et nuancés. ProText vise à combler ce manque et à fournir un outil standardisé aux équipes qui évaluent l'équité et l'inclusivité de leurs systèmes d'IA.

Recherche❖Paper

1 source