Actualités IA — page 403

9 298 articles au fil, du plus récent au plus ancien.

49

8041InfoQ AI 

QCon London 2026 : Morgan Stanley repense son programme API à l'ère MCP

Morgan Stanley franchit un cap décisif dans l'intégration de l'intelligence artificielle à ses opérations bancaires. Lors de la conférence QCon London 2026, deux ingénieurs de la banque ont présenté comment l'institution repense en profondeur son programme API pour répondre aux exigences des agents IA, en s'appuyant sur le protocole MCP (Model Context Protocol) et le standard FINOS CALM. L'enjeu est considérable pour le secteur financier : permettre aux agents IA d'interagir de manière fiable et sécurisée avec des systèmes bancaires critiques impose des garanties que les architectures API traditionnelles ne fournissent pas. En adoptant MCP comme couche d'interopérabilité et FINOS CALM comme cadre d'architecture, Morgan Stanley se positionne parmi les premières grandes banques à industrialiser ce type d'approche, ouvrant potentiellement la voie à d'autres institutions financières. Les démonstrations en direct ont mis en avant trois axes concrets : des garde-fous de conformité automatisés, des portes de déploiement conditionnelles, et des mises en production sans interruption de service sur un portefeuille de plus de 100 APIs. Le résultat le plus frappant reste la compression spectaculaire du cycle de déploiement : le premier déploiement API est passé de deux ans à deux semaines. Les ingénieurs Jim Gough et Andreea Niculcea ont également démontré l'exécution du protocole A2A (Agent-to-Agent) de Google, fonctionnant en parallèle de MCP, signal que l'écosystème multi-protocoles commence à prendre forme dans des environnements de production réels. Cette présentation illustre une tendance de fond : les grandes institutions financières ne se contentent plus d'expérimenter avec l'IA générative, elles refondent leurs infrastructures pour y intégrer nativement des agents autonomes. La coexistence de MCP et A2A dans un même environnement bancaire suggère que l'interopérabilité entre protocoles deviendra rapidement un critère de sélection architectural incontournable.

Outils⚡Actu

1 source

36

Illustration générée par IA

8042Numerama 

En Chine, votre Big Mac pourrait bientôt être servi par un robot humanoïde

Un restaurant McDonald's de Shanghai expérimente l'intégration de robots humanoïdes dans ses équipes, selon une vidéo publiée sur X le 18 mars 2026. Ces machines occupent des postes jusqu'ici réservés aux employés humains, marquant une étape concrète dans l'automatisation de la restauration rapide en Chine. Cette expérimentation s'inscrit dans un contexte économique et industriel particulier : la Chine a fait de la robotique humanoïde un axe stratégique national, avec des investissements massifs de l'État et une multiplication des startups spécialisées. Pour les chaînes de restauration rapide, l'automatisation représente une réponse à la pression sur les marges et à l'évolution du marché du travail dans les grandes métropoles chinoises. L'essai se déroule dans un établissement McDonald's de Shanghai, l'une des villes les plus avancées technologiquement du pays. L'image d'un robot humanoïde en uniforme de fast-food illustre la vitesse à laquelle ces machines quittent les laboratoires pour intégrer des environnements commerciaux réels, un signal fort envoyé à l'ensemble de l'industrie. Si l'expérimentation est encore à un stade préliminaire, elle annonce une tendance de fond : les grandes enseignes mondiales, sous pression concurrentielle, pourraient rapidement généraliser ce type de déploiement, en commençant par les marchés où l'écosystème robotique est le plus mature.

Robotique⚡Actu

1 source

37

Illustration générée par IA

8043Next INpact 

« Perroquets stochastiques » : une notion toujours valide malgré les critiques

Cinq ans après sa publication, la notion de « perroquets stochastiques » fait l'objet de critiques croissantes dans le débat sur l'IA générative. Introduite en 2021 par quatre chercheuses, Emily Bender, Timnit Gebru, Angelina McMillan-Major et Margaret Mitchell, cette métaphore désigne la capacité des grands modèles de langage à produire du texte statistiquement cohérent sans véritable compréhension ni intention. Certains chercheurs estiment aujourd'hui qu'elle ne reflète plus l'état de l'art, voire qu'elle entrave une réflexion nuancée sur les transformations induites par l'IA générative. L'enjeu dépasse la simple querelle académique. La métaphore du « perroquet probabiliste » s'est diffusée dans le débat public comme argument central des positions critiques vis-à-vis de l'IA, parfois de façon réductrice. Ses détracteurs actuels pointent une « réception publique paresseuse » : l'image serait trop souvent mobilisée pour disqualifier les LLM en bloc, au détriment d'une analyse plus fine des usages réels et des transformations sociétales en cours. Rédigé en 2020 et publié en 2021, l'article original précède la sortie de ChatGPT et se voulait avant tout un avertissement : risques de propagation des biais, désinformation, coûts environnementaux élevés. Les autrices ne niaient pas la fluidité croissante du texte généré automatiquement, elles alertaient précisément sur ce que cette fluidité révèle de nos propres mécanismes cognitifs. C'est notre compétence linguistique et notre tendance à projeter sens et intention dans tout acte de communication qui nous rendent vulnérables à l'illusion d'interlocution humaine. Malgré les critiques, la validité fondamentale de la métaphore concernant les modèles de langage reste défendue. Le débat illustre une tension plus large dans la recherche en IA : comment maintenir un cadre critique rigoureux quand les technologies évoluent plus vite que les concepts qui les analysent, sans pour autant abandonner des mises en garde qui restent structurellement pertinentes.

Éthique❧Opinion

1 source

41

8044Amazon Science 

Optimiser la sélection des modules cibles LoRA pour un affinage efficace

Le fine-tuning de grands modèles de langage consomme des ressources GPU considérables, mais une technique appelée LoRA (Low-Rank Adaptation) permet de réduire drastiquement ces coûts. Plutôt que de mettre à jour l'ensemble des paramètres d'un modèle, LoRA gèle les poids d'origine et insère de petites matrices légères, appelées adaptateurs, dans des sous-couches spécifiques. Une nouvelle étude d'ablation publiée par des chercheurs d'Amazon apporte des réponses concrètes à une question centrale : où exactement placer ces adaptateurs pour maximiser l'efficacité sans sacrifier la précision ? L'enjeu est loin d'être théorique. Le choix des modules cibles influence directement la latence d'inférence, la consommation mémoire et les coûts d'entraînement. Cibler trop de modules améliore les performances mais alourdit le système ; en choisir trop peu risque de brider la capacité d'adaptation du modèle. Trouver le bon équilibre est donc critique pour les entreprises qui déploient des modèles personnalisés à grande échelle, notamment dans des contextes de serving à la demande ou de partage de modèle de base entre plusieurs GPU. En utilisant le modèle multimodal Amazon Nova 2.0 Lite comme base, les chercheurs Rushil Anirudh, Anjie Fang et Bhoomit Vasani ont mené une étude systématique de l'impact de chaque module de l'architecture Transformer. Leur conclusion est nette : le module o_proj, une transformation linéaire qui fusionne les représentations issues des différentes têtes d'attention en une forme cohérente pour le reste du modèle, offre le meilleur compromis efficacité/précision lorsqu'un seul adaptateur est utilisé. Ce module s'avère donc être le point d'insertion optimal pour la grande majorité des cas d'usage clients. Ces résultats ouvrent la voie à des configurations standardisées de LoRA qui pourraient s'appliquer sans ajustement manuel à un large spectre de tâches. Pour les équipes ML déployant des dizaines de modèles spécialisés, disposer d'une configuration par défaut validée empiriquement représente un gain opérationnel significatif, réduisant à la fois le temps de configuration et les coûts d'infrastructure liés à l'entraînement et à l'inférence.

Recherche❖Paper

1 source

48

8045Le Big Data 

Mistral va vous laisser « forger » votre propre IA : la stratégie du Franças face à OpenAI

Mistral franchit une nouvelle étape dans sa stratégie B2B avec le lancement de Forge, une plateforme annoncée lors de la conférence Nvidia GTC. L'objectif est clair : permettre aux entreprises de construire leur propre modèle d'IA, entraîné directement sur leurs données internes, plutôt que de dépendre de modèles généralistes incapables de saisir les spécificités métier. La démarche répond à un constat largement partagé dans l'industrie : la majorité des projets d'IA échouent non par manque de puissance brute, mais parce que les modèles standard, entraînés sur des données publiques issues d'Internet, restent inadaptés aux contextes professionnels. Banques, industries, administrations, ces organisations s'appuient sur des années de documents internes, de jargon spécialisé et de contraintes réglementaires qu'un modèle générique ne peut véritablement assimiler. Les approches comme le RAG (Retrieval-Augmented Generation) ne constituent qu'un palliatif : le modèle se réfère aux données sans les comprendre en profondeur. Forge propose une boîte à outils complète intégrant des pipelines de pré-entraînement, de post-entraînement et d'apprentissage par renforcement sur données propriétaires, avec un support pour les architectures denses et les systèmes multi-agents. Les entreprises peuvent s'appuyer sur les modèles ouverts de Mistral, dont Mistral Small 4, comme base, puis les façonner selon leurs priorités : langues non anglophones, données techniques, comportements à privilégier ou à exclure. La réduction de la dépendance aux fournisseurs externes constitue un argument central de la proposition de valeur. Sur le plan stratégique, Mistral assume pleinement son positionnement en rupture avec OpenAI et Anthropic, dont la bataille se joue principalement sur le grand public. La startup française cible un marché plus restreint mais structurellement plus rentable : les entreprises. Elle est en passe d'atteindre 1 milliard de dollars de revenus récurrents annuels, un signal fort de la demande. Dans un contexte où, selon le Financial Times, les entreprises européennes cherchent activement à réduire leur dépendance aux acteurs américains, Forge se positionne comme une alternative souveraine et maîtrisable.

Outils⚒Outil

1 source

42

8046Le Big Data 

L’entreprise chinoise Moonshot AI vise 18 milliards de valorisation

Moonshot AI, la startup chinoise derrière le chatbot Kimi, cherche à lever 1 milliard de dollars lors d'un nouveau tour de table qui la valoriserait à 18 milliards de dollars, soit plus de quatre fois sa valorisation de fin 2025. Cette opération fait suite à une levée de plus de 700 millions de dollars en début d'année, qui avait déjà propulsé l'entreprise à 10 milliards de dollars, avec Alibaba et Tencent parmi les investisseurs. Cette ascension fulgurante s'inscrit dans une dynamique plus large : les startups d'IA chinoises attirent massivement les capitaux, portées par l'émergence de modèles open source compétitifs et la volonté de rivaliser avec des acteurs occidentaux comme OpenAI (valorisé à 730 milliards de dollars) ou Anthropic (380 milliards de dollars). L'essor de l'agent open source OpenClaw, salué par Nvidia comme "le prochain ChatGPT", a notamment accéléré cette dynamique, incitant fournisseurs cloud et jeunes entreprises à lancer leurs propres solutions. Au cœur de cette valorisation : les performances de Kimi K2.5, désormais une plateforme multimodale et agentique reposant sur une architecture Mixture-of-Experts (MoE) d'environ 1 000 milliards de paramètres (dont 32 milliards activés par requête). Le modèle traite des contextes allant jusqu'à 256 000 tokens et enchaîne 200 à 300 appels d'outils sans perte de cohérence. Sur le benchmark Humanity's Last Exam, Kimi atteint 50,2 %, devançant GPT-5 (41,7 %) et Claude Sonnet 4.5 (32 %). Sur BrowseComp, il affiche 60,2 % contre 54,9 % pour GPT-5.1. Les modèles K2 et K2.5 sont disponibles en open source. Pour les utilisateurs, cette concurrence accrue entre acteurs chinois et occidentaux se traduit concrètement par une réduction des coûts d'accès et une accélération de l'innovation : assistants conversationnels, agents autonomes, outils spécialisés, le marché se diversifie à un rythme soutenu, offrant davantage de choix à des prix plus compétitifs.

Business⚡Actu

1 source

38

8047AWS ML Blog 

Métriques enrichies pour les endpoints Amazon SageMaker AI : une visibilité approfondie pour de meilleures performances

Amazon SageMaker AI enrichit ses capacités de monitoring avec le lancement de métriques améliorées pour ses endpoints de déploiement de modèles. Cette mise à jour majeure apporte une visibilité granulaire jusqu'au niveau des conteneurs individuels et des instances EC2, permettant aux équipes d'ingénierie d'identifier précisément les goulots d'étranglement en production avant qu'ils n'affectent les utilisateurs finaux. Jusqu'ici, les métriques CloudWatch proposées par SageMaker n'offraient qu'une vue agrégée sur l'ensemble des instances et conteneurs d'un endpoint. Cette approche masquait les problèmes individuels : une instance défaillante, un conteneur saturé ou une distribution inégale du trafic restaient invisibles dans les moyennes globales. La nouvelle fonctionnalité comble ce manque critique pour les équipes MLOps qui exploitent des modèles en production à grande échelle. Les métriques enrichies se déclinent en deux catégories principales. Les métriques de ressources EC2 couvrent l'utilisation CPU, GPU et mémoire, disponibles pour chaque instance de tout endpoint SageMaker, y compris l'utilisation par accélérateur individuel sur les instances GPU. Les métriques d'invocation permettent de tracer requêtes, erreurs 4XX/5XX, latence modèle et latence overhead jusqu'au niveau instance. Pour les utilisateurs d'Inference Components, qui hébergent plusieurs modèles sur un même endpoint, une couche supplémentaire expose ces mêmes métriques au niveau conteneur, identifiées par InferenceComponentName et ContainerId, publiées dans les namespaces CloudWatch /aws/sagemaker/Endpoints, /aws/sagemaker/InferenceComponents et AWS/SageMaker. Au-delà du diagnostic, cette granularité ouvre une capacité nouvelle : calculer le coût réel par modèle dans un environnement multi-tenant. En traçant l'allocation GPU au niveau de chaque Inference Component, les équipes peuvent désormais imputer précisément les coûts d'infrastructure à chaque modèle déployé, un argument fort pour les organisations qui cherchent à optimiser leurs dépenses cloud en IA.

Outils⚡Actu

1 source

43

804801net 

Le mystérieux modèle IA de Xiaomi égale les géants américains pour un prix dérisoire

Xiaomi vient de lever le voile sur un modèle d'intelligence artificielle qui a brièvement déstabilisé la Silicon Valley avant que son origine ne soit identifiée. Apparu discrètement sur les benchmarks, ce modèle inconnu affichait des performances comparables aux meilleurs systèmes américains, provoquant une onde de choc dans un secteur habitué à dominer sans partage. L'offensive de Xiaomi s'inscrit dans une tendance lourde : après DeepSeek et Alibaba, c'est au tour du géant chinois des smartphones de démontrer que la course à l'IA n'est plus le monopole des acteurs américains. Ce qui frappe ici, c'est moins la performance brute que le rapport coût-efficacité, un argument massue à l'heure où OpenAI, Google et Anthropic dépensent des dizaines de milliards de dollars en infrastructure. Le modèle de Xiaomi rivaliserait avec les références du marché pour une fraction du coût de développement habituellement requis. Cette démonstration de force rappelle la secousse provoquée par DeepSeek R1 en janvier 2025, qui avait fait plonger les valeurs technologiques américaines en bourse. L'approche chinoise, optimiser l'efficacité plutôt qu'augmenter la puissance de calcul, semble désormais constituer une stratégie à part entière. Si Xiaomi confirme ses ambitions dans l'IA au même niveau que ses concurrents d'hardware, cela pourrait redistribuer les cartes sur le marché des modèles embarqués dans les appareils mobiles et connectés, un terrain sur lequel le groupe est déjà en position de force avec des centaines de millions d'appareils vendus chaque année.

LLMs⚡Actu

1 source

48

8049Wired AI 

Le créateur de Signal aide à chiffrer Meta AI

Moxie Marlinspike, le fondateur de l'application de messagerie chiffrée Signal, annonce que sa technologie de chiffrement de bout en bout pour l'IA va être intégrée à Meta AI. Cette technologie, développée dans le cadre de son chatbot expérimental baptisé Confer, pourrait transformer la confidentialité des échanges avec les assistants conversationnels de Meta. L'enjeu est considérable : Meta AI est aujourd'hui l'un des assistants conversationnels les plus déployés au monde, intégré nativement dans WhatsApp, Messenger, Instagram et Facebook. Sans chiffrement de bout en bout, les conversations des utilisateurs avec l'IA sont techniquement accessibles aux serveurs de Meta, une réalité qui soulève des questions croissantes sur la confidentialité des données personnelles partagées avec ces systèmes. Confer repose sur une architecture permettant le traitement des requêtes IA sans que les serveurs puissent accéder au contenu en clair des conversations. L'intégration de cette approche dans Meta AI représenterait une avancée significative pour des centaines de millions d'utilisateurs qui interagissent quotidiennement avec l'assistant via les applications du groupe. Cette collaboration entre Marlinspike, figure emblématique de la cryptographie et de la vie privée numérique, et Meta, entreprise longtemps critiquée pour ses pratiques en matière de données, illustre une tension persistante dans le secteur : comment réconcilier la puissance des LLMs hébergés dans le cloud avec des garanties solides de confidentialité pour les utilisateurs finaux.

Sécurité⚡Actu

1 source

39

8050Ben's Bites 

Qu'est-ce qui fait un bon AGENTS.md ?

Les fichiers d'instructions comme AGENTS.md et CLAUDE.md sont au cœur de toute stratégie efficace avec les agents IA. Chargés automatiquement avant même le début d'une conversation, ils s'ajoutent au prompt système natif du modèle pour orienter son comportement. CLAUDE.md est spécifique aux produits Anthropic, tandis qu'AGENTS.md fonctionne de manière transversale sur Codex, Droid, Pi et la plupart des autres outils, les deux peuvent d'ailleurs être liés par un simple symlink pour n'en gérer qu'un seul. Contrairement à ce que l'on pourrait croire, remplir ces fichiers d'informations techniques (stack, arborescence, commandes clés) est contre-productif. Une étude citée dans l'article indique que cette approche nuit aux performances et augmente les coûts de 20 % en consommant des tokens inutiles, les agents étant parfaitement capables de déduire eux-mêmes l'architecture d'un projet. La vraie valeur de ces fichiers réside dans les préférences personnelles et les correctifs comportementaux : tester dans un navigateur avant de renvoyer une URL, utiliser un outil de recherche spécifique, ou expliquer les choses simplement pour un utilisateur non-développeur. Une technique avancée présentée par l'auteur, inspirée du développeur Dex, consiste à encapsuler des instructions dans des blocs conditionnels (`). Cela permet d'adapter dynamiquement le comportement de l'agent selon le type de projet, évitant, par exemple, qu'il rédige inutilement des spécifications pour une simple page web. Par ailleurs, AGENTS.md se charge de manière hiérarchique : un fichier à la racine s'applique globalement, tandis qu'un fichier dans un sous-dossier (/docs/AGENTS.md`) n'est activé que lorsque l'agent travaille dans ce répertoire. Sur le front des actualités mentionnées en marge, Google a lancé Stitch, un outil de design génératif intégrant Gemini avec un canvas IA, un agent de design et un fichier DESIGN.md, un écho direct au sujet principal. Anthropic, de son côté, a déployé Dispatch pour Claude Cowork, permettant d'envoyer des messages depuis mobile vers Claude Desktop et de lancer des sessions Claude Code à distance.

Outils⚒Outil

1 source

43

Illustration générée par IA

8051The Information AI 

Voici Giga, un développeur de centres de données IA qui a levé très peu de capital

Giga Energy, une startup texane fondée en 2019 par deux étudiants de Texas A&M, s'impose comme une anomalie dans l'écosystème des centres de données IA : elle a généré plus de 270 millions de dollars de revenus cumulés en restant quasi entièrement autofinancée. Dans un secteur où la norme consiste à lever des milliards de $ en capital avant même d'ouvrir les portes, Giga Energy fait figure d'exception radicale. La société de Houston prouve qu'il est possible de construire une activité solide dans l'infrastructure IA sans dépendre massivement des marchés financiers, ce qui lui confère une agilité et une indépendance rares parmi ses concurrents. Fondée par Matt Lohstroh et son coassocié alors qu'ils étaient encore en licence de finance et de distribution industrielle, l'entreprise n'a levé que 3,4 millions de dollars en fonds propres et moins de 5 millions de dollars en dette. Son cœur de métier : la fabrication et la vente d'équipements électriques critiques, transformateurs, appareillages de commutation, qui régulent les flux d'énergie dans les centres de données. Parmi ses clients figure notamment le fournisseur cloud CoreWeave. Giga développe également ses propres centres de données IA équipés de puces Nvidia. Cette phase d'expansion accélérée du segment datacenter devrait contraindre Giga Energy à lever des fonds significatifs dans un avenir proche. La question est de savoir si la startup acceptera de diluer son modèle bootstrappé pour financer une montée en puissance dans un marché de plus en plus concurrentiel.

Business⚡Actu

1 source

47

8052Numerama 

Confondue par une IA, une Américaine innocente passe près de six mois en prison

Une Américaine de 50 ans a passé près de six mois derrière les barreaux pour une fraude qu'elle n'a pas commise, seule « preuve » retenue contre elle : l'identification erronée d'un logiciel de reconnaissance faciale. Libérée sans ressources ni indemnisation immédiate, elle affirme avoir tout perdu : emploi, logement, vie sociale. Cette affaire illustre une fois de plus les dérives documentées de la reconnaissance faciale appliquée à la justice pénale. Des études indépendantes ont montré que ces algorithmes affichent des taux d'erreur significativement plus élevés sur les femmes et les personnes à la peau foncée, soulevant des questions profondes sur l'équité du système judiciaire américain lorsqu'il s'appuie sur ces outils. Ce n'est pas un cas isolé : plusieurs affaires similaires ont déjà conduit à des arrestations injustifiées aux États-Unis, notamment à Detroit et à New Orleans. L'identité précise de la victime et le nom du logiciel incriminé n'ont pas été rendus publics dans les informations disponibles, mais le schéma est désormais bien connu : une correspondance algorithmique, rarement contestée par les enquêteurs, suffit parfois à déclencher une arrestation, une mise en examen, puis une détention provisoire prolongée. Dans ce cas, la femme aurait subi près de six mois de détention avant que son innocence ne soit établie, un délai qui souligne les lenteurs du système face aux erreurs technologiques. Des associations de défense des droits civiques, dont l'ACLU, réclament depuis plusieurs années un moratoire sur l'usage de la reconnaissance faciale dans les enquêtes criminelles. Cette nouvelle affaire devrait renforcer la pression sur les législateurs américains pour encadrer, voire interdire, le recours à ces technologies comme élément de preuve, sans vérification humaine approfondie et contradictoire.

Sécurité⚡Actu

1 source

40

8053The Decoder 

La demande d'entraînement IA réaliste explose : Deeptune lève 43 millions de dollars pour simuler des environnements de travail

Deeptune vient de boucler une levée de fonds de 43 millions de dollars menée par Andreessen Horowitz pour développer des environnements de travail simulés destinés à l'entraînement d'agents IA. La startup mise sur une approche originale : reproduire fidèlement des contextes professionnels réels afin de former des modèles capables d'opérer efficacement dans des situations complexes du monde du travail. Cette annonce reflète une tendance de fond dans l'industrie de l'IA : l'entraînement en environnement synthétique mais réaliste devient un levier stratégique pour accélérer le développement d'agents autonomes. Les données générées en conditions simulées permettent de couvrir des scénarios rares ou difficiles à collecter dans la réalité, tout en maîtrisant les coûts et les délais de production des jeux d'entraînement. Deeptune s'inscrit dans une dynamique plus large de financement massif des infrastructures d'entraînement IA. La participation d'a16z, l'un des fonds de capital-risque les plus influents de la Silicon Valley, valide l'approche et lui confère une visibilité immédiate. Le montant de 43 millions de dollars permettra vraisemblablement d'étoffer les équipes d'ingénierie et d'accélérer la construction des simulations sectorielles. La course à la qualité des données d'entraînement s'intensifie à mesure que les agents IA s'imposent dans les environnements professionnels. Des acteurs comme Deeptune pourraient jouer un rôle clé en fournissant les briques d'entraînement que les grands laboratoires et les entreprises peinent à constituer par eux-mêmes.

Business⚡Actu

1 source

39

8054Le Big Data 

La presse et l’IA : l’importance de la visibilité médiatique à l’heure des moteurs d’Intelligence Artificielle

La visibilité médiatique est en train de devenir un enjeu stratégique majeur pour les entreprises à l'ère de l'IA générative. Constance Blanc, fondatrice de l'agence de relations presse B2B Évidemment l'Agence, tire la sonnette d'alarme : les entreprises absentes des colonnes de la presse traditionnelle risquent tout simplement de disparaître des réponses fournies par les moteurs d'intelligence artificielle. Une transformation profonde des règles de visibilité numérique, qui bouleverse les stratégies de communication établies depuis l'ère Google. L'essor des IA génératives, ChatGPT, Perplexity, Gemini, Claude, comme outils de recherche du quotidien redéfinit ce qu'on appelle l'autorité numérique. Sans remplacer entièrement les moteurs de recherche classiques, ces systèmes sont devenus des points d'entrée incontournables vers l'information. Or, pour y apparaître, il ne suffit plus d'être bien référencé : il faut exister dans les corpus sur lesquels ces modèles s'appuient, c'est-à-dire dans des sources journalistiques reconnues. La raison est structurelle. Les grands modèles de langage privilégient ce que les algorithmes identifient comme des Trust Signals : l'éditorialisation (information hiérarchisée et contextualisée), l'attribution (sources signées, garantie d'E-E-A-T), et la validation institutionnelle (le nom d'un média comme Les Échos ou le Wall Street Journal servant de caution de fiabilité). Un article de presse est, selon Constance Blanc, « structuré, contextualisé et signé, ce qui facilite énormément son exploitation par les systèmes d'IA », là où un communiqué de presse brut ou un contenu anonyme ne passe pas ce filtre. Cette dynamique confère au journalisme un nouveau rôle : celui de filtre de crédibilité pour les IA. Au-delà de la visibilité auprès des lecteurs humains, la presse devient la mémoire informationnelle de référence des systèmes génératifs. En creux, cela soulève une question critique sur l'intégrité journalistique : si les IA s'alimentent massivement aux sources de presse, la qualité et la rigueur du travail éditorial deviennent des garanties indirectes de la fiabilité des réponses de l'IA elle-même.

Outils❧Opinion

1 source

45

Illustration générée par IA

8055The Information AI 

Uber va investir jusqu'à 1,25 milliard de dollars dans Rivian

Uber va investir jusqu'à 1,25 milliard de dollars dans le constructeur de véhicules électriques Rivian sur les cinq prochaines années, et s'engage à acquérir des milliers de robotaxis de la marque. L'annonce marque une nouvelle étape dans la stratégie de déploiement de véhicules autonomes du géant du VTC. Ce partenariat s'inscrit dans une série d'alliances que Uber tisse activement dans l'écosystème de la conduite autonome. En intégrant Rivian à son réseau, la plateforme cherche à diversifier ses sources d'approvisionnement en véhicules autonomes et à accélérer sa transition vers une flotte électrifiée, réduisant sa dépendance à un seul partenaire technologique. L'investissement plafonné à 1,25 milliard de dollars sera déployé progressivement sur cinq ans, accompagné de commandes de robotaxis en volume significatif. La réaction des marchés a été immédiate : l'action Rivian progressait de +7 % en pré-marché à l'annonce de l'accord, signal fort de la confiance des investisseurs dans ce rapprochement stratégique. Pour Rivian, ce contrat représente une bouée de sauvetage commerciale et une validation industrielle de son positionnement sur le segment des véhicules autonomes électriques. Pour Uber, l'accord consolide une approche multi-partenaires dans la course aux robotaxis, aux côtés d'autres collaborations déjà annoncées dans ce secteur en pleine effervescence.

Business⚡Actu

1 source

41

8056Le Big Data 

Sans presse, pas d’IA : les entreprises invisibles médiatiquement disparaissent des moteurs d’intelligence artificielle

La présence médiatique est désormais une condition d'existence pour les entreprises à l'ère de l'intelligence artificielle. C'est la thèse portée par Constance Blanc, fondatrice de l'agence de relations presse B2B ÉVIDEMMENT L'AGENCE, dans une tribune publiée sur LeBigData.fr : les modèles d'IA ne référencent pas les entreprises qui n'apparaissent pas dans les médias, quelles que soient leurs performances réelles. Le basculement est profond. Les moteurs de recherche conversationnels n'indexent pas les sites institutionnels ni les contenus promotionnels, ils s'appuient sur des sources éditoriales jugées fiables : articles de presse, analyses, interviews, tribunes signées. Une entreprise absente de ces espaces n'existe tout simplement pas dans les réponses que l'IA formulera demain face aux décideurs, investisseurs ou talents. Ce phénomène représente un angle mort stratégique pour de nombreux dirigeants, encore habitués à penser leur visibilité en termes de SEO ou de publicité classique. La clé réside dans la légitimité éditoriale : contrairement à un contenu acheté, un article rédigé par un journaliste constitue une validation par un tiers de confiance, que les algorithmes d'IA identifient et valorisent. Chaque citation dans un média de référence, sur une levée de fonds, une stratégie RSE, une vision de dirigeant, construit une "trace informationnelle" captée, agrégée et restituée par les systèmes d'IA. C'est précisément ce travail, identifier les angles légitimes, convaincre les journalistes, organiser les prises de parole, que Constance Blanc désigne comme le nouveau rôle de l'attachée de presse : non plus simple relais, mais "architecte de visibilité stratégique". La conclusion est sans appel : ne pas investir les relations presse, c'est accepter de disparaître des radars de l'IA. À l'inverse, une stratégie éditoriale cohérente et régulière garantit une présence durable dans l'écosystème informationnel. Les médias ne sont plus un simple outil d'image, ils sont devenus un levier de référencement IA à part entière.

Société❧Opinion

1 source

43

8057The Decoder 

Le plus grand avantage concurrentiel de l'IA appartient à l'entreprise qui n'arrive même pas à corriger Siri

Apple se trouve dans une position paradoxale : malgré des efforts en intelligence artificielle jugés en retard sur ses concurrents, la firme de Cupertino s'apprête à franchir le seuil du milliard de $ de revenus issus de l'IA générative d'ici 2026. Un chiffre qui surprend au vu des déboires répétés de Siri, incapable à ce jour de rivaliser avec les assistants de Google, OpenAI ou Microsoft. L'explication tient en un seul mot : distribution. L'iPhone reste l'une des portes d'entrée les plus puissantes vers les applications d'IA grand public. Apple ne gagne pas parce qu'il construit le meilleur modèle, il gagne parce qu'il contrôle l'écran que des centaines de millions d'utilisateurs allument chaque matin. C'est une forme de monopole de l'attention que ni les laboratoires de recherche ni les pure-players de l'IA ne peuvent répliquer à court terme. Le chiffre d'un milliard de $ illustre concrètement ce que les analystes appellent le "moat", le fossé concurrentiel, d'Apple. Ces revenus proviennent en grande partie des partenariats avec des tiers (notamment ChatGPT d'OpenAI, intégré nativement à iOS 18) et des futures offres d'abonnement liées à Apple Intelligence. La plateforme prime sur le produit : même un Siri défaillant ne compromet pas la capacité d'Apple à monétiser l'engouement pour l'IA générative. La situation met en lumière une leçon structurelle pour le secteur : dans la bataille de l'IA, la supériorité technique n'est pas le seul, ni même le principal, facteur de succès commercial. Le contrôle du point de contact avec l'utilisateur final reste l'actif le plus difficile à concurrencer, et Apple en détient une part disproportionnée.

Business❧Opinion

1 source

41

8058TechCrunch AI 

Amazon lance Alexa+ au Royaume-Uni

Amazon franchit une nouvelle étape dans le déploiement de son assistant vocal nouvelle génération : Alexa+ est désormais disponible au Royaume-Uni dans le cadre d'un programme d'accès anticipé gratuit. Les utilisateurs britanniques peuvent dès à présent s'inscrire pour tester la version améliorée de l'assistant, propulsée par l'intelligence artificielle générative. Ce lancement au Royaume-Uni représente la première expansion internationale significative d'Alexa+ après ses débuts aux États-Unis. La mise à disposition gratuite via un programme d'accès anticipé constitue une stratégie classique de Amazon pour maximiser l'adoption et recueillir des retours utilisateurs avant un déploiement à grande échelle, et potentiellement un modèle payant. Alexa+ se distingue de l'Alexa classique par sa capacité à mener des conversations plus naturelles et contextuelles, à exécuter des tâches complexes en plusieurs étapes, et à s'intégrer plus profondément aux services tiers. Amazon a développé cette version en s'appuyant sur des grands modèles de langage, positionnant directement Alexa+ face aux assistants d'OpenAI, Google et Apple dans la course aux agents conversationnels grand public. Le déploiement britannique intervient dans un contexte de forte concurrence sur le marché des assistants IA, où chaque acteur cherche à imposer son écosystème. La gratuité de l'accès anticipé suggère qu'Amazon privilégie pour l'instant la conquête d'utilisateurs sur la monétisation immédiate, une approche qui pourrait s'étendre prochainement à d'autres marchés européens.

Outils⚒Outil

1 source

46

8059The Verge AI 

Le coach santé IA de Fitbit pourra bientôt accéder à vos dossiers médicaux

Google franchit une nouvelle étape dans la santé connectée en dotant le coach IA de Fitbit d'un accès aux dossiers médicaux de ses utilisateurs. Dès le mois prochain, les abonnés américains pourront lier leurs données médicales directement à l'application Fitbit, ouvrant la voie à un suivi de santé personnalisé sans précédent. Cette évolution s'inscrit dans une course stratégique entre les géants technologiques pour s'imposer sur le marché de la santé numérique. Amazon, OpenAI et Microsoft ont déjà pris des positions similaires, tous partant du même pari : les utilisateurs sont prêts à partager leurs données les plus sensibles en échange de conseils de santé plus pertinents et contextualisés. Concrètement, les données accessibles incluront les résultats d'analyses biologiques, les ordonnances et traitements en cours, ainsi que l'historique des consultations médicales. Ces informations seront croisées avec les données collectées par le bracelet connecté, rythme cardiaque, sommeil, activité physique, pour alimenter le coach IA de Fitbit. La fonctionnalité sera d'abord disponible en version préview aux États-Unis à partir du mois prochain. La question de la confiance des utilisateurs reste centrale : confier ses données médicales à un entraîneur virtuel appartenant à Google est un choix que beaucoup hésiteront à faire. L'enjeu de la protection des données de santé, particulièrement sensibles, sera déterminant pour l'adoption de cette fonctionnalité à grande échelle.

Outils⚒Outil

1 source

37

8060Le Big Data 

Vous vous rappelez BuzzFeed et ses articles débiles ? Il revient… avec une IA

BuzzFeed tente un retour sur le devant de la scène en misant sur l'intelligence artificielle, mais la manœuvre ressemble davantage à un coup de panique qu'à une vision stratégique cohérente. Après avoir dominé Internet avec ses listes virales et ses tests de personnalité, le média historique du web 2.0 lance Branch Office, un incubateur dédié à des applications IA grand public, dont BF Island et Conjure. Le contexte financier éclaire brutalement les motivations de ce virage. 57,3 millions de dollars de pertes nettes en 2025, des problèmes de liquidité persistants, et une mention explicite dans le rapport financier officiel de doutes sur la capacité de l'entreprise à poursuivre ses activités, ce sont les conditions dans lesquelles naît cette stratégie IA. La fermeture de BuzzFeed News en 2023, pourtant récompensé d'un Pulitzer, avait déjà signalé l'abandon du journalisme coûteux au profit de formats plus légers. L'IA s'inscrit dans cette même logique : produire plus vite, pour moins cher. Les deux premières applications issues de Branch Office illustrent pourtant les limites de l'approche. BF Island propose la création de contenus visuels générés par IA, tandis que Conjure mise sur des défis photo quotidiens inspirés de BeReal. La présentation au SXSW, relayée par TechCrunch, s'est soldée par une réception glaciale : silences, puis rires gênés d'un public incapable de comprendre le fonctionnement ou l'utilité du produit. Le fondateur Jonah Peretti défend une vision où la valeur vient de la communauté et du goût plutôt que du volume, un argument recevable en théorie, mais que les produits actuels ne parviennent pas à incarner. La trajectoire de BuzzFeed révèle une tension plus large dans le secteur des médias numériques : l'IA, pensée comme levier de réduction des coûts et de scalabilité, peut accentuer exactement le problème qu'elle prétend résoudre, la saturation. Les plateformes qui s'imposent aujourd'hui ne sont pas celles qui produisent le plus, mais celles qui proposent une expérience claire et intentionnelle. BuzzFeed n'a pas encore trouvé comment articuler ces deux exigences.

Business❧Opinion

1 source