Actualités IA — page 406

9 296 articles au fil, du plus récent au plus ancien.

39

8101Wired AI 

Pourquoi Walmart et OpenAI remettent à plat leur accord de shopping agentique

Walmart et OpenAI ont revu en profondeur leur partenariat dans le domaine du commerce agentique, après que la fonctionnalité Instant Checkout d'OpenAI n'a pas tenu ses promesses. Plutôt que de poursuivre dans cette voie, le géant de la distribution américain a choisi une approche radicalement différente : intégrer directement son assistant conversationnel maison, Sparky, au sein de ChatGPT et de Google Gemini. Ce pivot illustre les difficultés concrètes que rencontrent les acteurs du retail lorsqu'ils tentent d'exploiter les agents IA pour automatiser l'acte d'achat. L'idée d'un checkout instantané piloté par IA, où un assistant passe commande de façon autonome au nom de l'utilisateur, se heurte à des obstacles techniques, réglementaires et comportementaux qui ralentissent son déploiement à grande échelle. En choisissant d'intégrer Sparky dans des plateformes déjà massivement adoptées, Walmart mise sur la distribution plutôt que sur l'autonomie. La stratégie repose sur un constat pragmatique : ChatGPT et Gemini disposent d'une base d'utilisateurs considérable, et y loger un assistant shopping de marque permet à Walmart de capter des intentions d'achat là où elles se forment. Sparky, le chatbot de Walmart, devient ainsi un point d'entrée vers l'écosystème commercial du distributeur, directement accessible depuis les interfaces des deux grandes plateformes d'IA conversationnelle. Cette recomposition du partenariat Walmart, OpenAI signale plus largement une maturation du secteur : les ambitions initiales du commerce agentique se tempèrent, et les entreprises cherchent désormais des intégrations plus pragmatiques plutôt que des automatisations totales encore mal maîtrisées.

Business❧Opinion

1 source

45

Illustration générée par IA

8102The Information AI 

Coinbase se lance dans les paiements pour agents IA

Coinbase s'impose comme un acteur clé dans l'infrastructure de paiement pour agents IA, accélérant ses initiatives pour conquérir un marché encore émergent mais à fort potentiel. La plateforme d'échange crypto rivalise notamment avec Zerohash, une startup d'infrastructure crypto, pour décrocher un contrat stratégique : l'émission d'un stablecoin destiné à Cloudflare, dont le lancement est prévu cette année. L'enjeu est considérable. Cloudflare occupe une position centrale dans la gestion du trafic web mondial et la cybersécurité, ce qui signifie que le stablecoin retenu pourrait se retrouver au cœur de l'ensemble des transactions initiées par des agents IA transitant par son réseau. Ce positionnement ferait du gagnant un acteur incontournable de l'économie des agents autonomes, un segment encore naissant mais qui attire déjà les convoitises des grandes firmes de paiement. Le marché des paiements pour agents IA représente un nouveau terrain de compétition où les plateformes crypto comme Coinbase cherchent à prendre de l'avance sur les acteurs traditionnels du paiement. L'émission d'un stablecoin natif pour Cloudflare permettrait d'intégrer des capacités de micro-paiements automatisés directement dans l'infrastructure réseau, facilitant les transactions machine-to-machine sans intervention humaine. Si Coinbase remporte ce contrat, cela renforcerait considérablement sa position face aux acteurs traditionnels de la fintech et des paiements qui cherchent eux aussi à s'adapter à l'essor des agents autonomes, une bataille qui ne fait que commencer.

Business⚡Actu

1 source

47

810301net 

Londres renonce (pour l’instant) à assouplir le droit d’auteur en faveur de l’industrie IA

Le gouvernement britannique a finalement abandonné son projet de réforme du droit d'auteur qui aurait permis aux entreprises d'intelligence artificielle d'entraîner leurs modèles sur les œuvres des créateurs sans autorisation préalable. Ce recul marque une victoire significative pour la communauté artistique et créative du Royaume-Uni, qui s'était massivement mobilisée contre ce texte jugé profondément inéquitable. Le projet initial reposait sur un mécanisme d'opt-out controversé : par défaut, les œuvres auraient été exploitables librement par les systèmes d'IA, à charge pour les artistes eux-mêmes de se manifester pour en interdire l'usage. Ce renversement de la charge de la preuve avait suscité une levée de boucliers dans les secteurs de la musique, de la littérature, des arts visuels et du cinéma, qui y voyaient une expropriation déguisée de leur propriété intellectuelle. La mobilisation des créateurs britanniques a manifestement pesé dans la balance. Musiciens, écrivains, illustrateurs et cinéastes avaient uni leurs voix pour dénoncer un texte taillé sur mesure pour les intérêts des grandes entreprises tech. Le gouvernement de Keir Starmer, confronté à une opposition frontale du monde culturel, a préféré suspendre la procédure législative plutôt que de s'aliéner un secteur économique et symbolique majeur. La bataille n'est toutefois pas terminée : le recul est qualifié de temporaire, signalant que la question du droit d'auteur face à l'IA générative reste entière au Royaume-Uni. Ce débat s'inscrit dans une tension globale entre l'industrie de l'IA, qui réclame un accès élargi aux données d'entraînement, et les créateurs, qui exigent consentement, transparence et rémunération.

Régulation⚖Reglementation

1 source

42

8104TechCrunch AI 

Les fonctionnalités Gemini dans Google Workspace qui valent la peine d'être utilisées

Google continue d'intégrer ses capacités d'intelligence artificielle Gemini au cœur de sa suite Google Workspace, transformant en profondeur la façon dont les professionnels interagissent avec leurs outils quotidiens. Des fonctionnalités couvrant la gestion des e-mails, la rédaction de contenu, l'organisation de données et le suivi des réunions sont désormais disponibles directement dans Gmail, Docs, Sheets ou encore Meet. L'enjeu est considérable pour les entreprises : Workspace est utilisé par plus de 3 milliards d'utilisateurs dans le monde, et l'intégration native de l'IA dans ces outils représente un levier de productivité immédiat, sans friction d'adoption. Contrairement aux assistants IA tiers, Gemini agit directement sur les données existantes de l'utilisateur, calendrier, historique d'e-mails, documents partagés, ce qui lui confère une pertinence contextuelle difficile à reproduire. Parmi les fonctionnalités les plus utiles figurent le résumé automatique d'e-mails dans Gmail, la génération de brouillons dans Docs à partir d'une simple instruction, l'analyse et la mise en forme de données dans Sheets via des commandes en langage naturel, et la prise de notes automatique dans Google Meet avec synthèse des points clés et des actions à mener. Ces outils sont accessibles aux abonnés des formules Gemini Business et Gemini Enterprise, adossées aux plans Workspace existants. La montée en puissance de Gemini dans Workspace s'inscrit dans la concurrence directe avec Microsoft 365 Copilot, qui suit une trajectoire similaire. Google mise sur la profondeur de l'intégration et la qualité de ses modèles pour différencier son offre, dans un marché où l'IA productive est devenue un argument commercial central pour les grandes suites collaboratives.

Outils⚒Outil

1 source

44

8105TechCrunch AI 

Le classement qu'on ne peut pas manipuler, financé par les entreprises qu'il évalue

Arena, anciennement connue sous le nom de LM Arena, s'est imposée en quelques mois seulement comme la référence incontournable pour évaluer les grands modèles de langage. Ce classement public influence désormais les décisions de financement, les calendriers de lancement et les stratégies de communication des acteurs majeurs de l'intelligence artificielle. En à peine sept mois, le projet est passé d'une initiative académique menée par des doctorants de l'UC Berkeley à une startup à part entière. L'enjeu est considantiel dans un secteur où la prolifération des modèles rend toute comparaison objective difficile. Disposer d'un classement crédible, et perçu comme neutre, confère un pouvoir considérable sur la perception publique et la légitimité commerciale des modèles évalués. Les entreprises qui figurent en tête de ce leaderboard bénéficient d'un avantage marketing et d'une confiance accrue de la part des investisseurs et des clients. Le paradoxe soulevé par l'article est structurel : Arena est financée par les entreprises mêmes qu'elle est censée évaluer de manière impartiale. Ce modèle économique soulève des questions légitimes sur l'indépendance du classement, même si ses concepteurs revendiquent une méthodologie conçue pour résister à toute tentative de manipulation. La plateforme repose sur des comparaisons en aveugle soumises au vote des utilisateurs, ce qui rend la falsification des résultats techniquement complexe. La tension entre indépendance éditoriale et dépendance financière aux acteurs du secteur est un défi que connaissent bien d'autres institutions d'évaluation. Pour Arena, la crédibilité reste son actif le plus précieux, et probablement le plus fragile à préserver à mesure que les enjeux commerciaux autour des LLMs s'intensifient.

LLMs❧Opinion

1 source

50

8106The Decoder 

Pékin approuve les ventes de la puce H200 de Nvidia, qui prépare une version adaptée au marché chinois de sa puce d'inférence Groq

Nvidia vient d'obtenir le feu vert de Pékin pour commercialiser sa puce H200 auprès des clients chinois, selon des informations de Reuters. Cette approbation met fin à une longue période d'incertitude réglementaire qui avait contraint le géant américain des semi-conducteurs à suspendre la production de ce composant l'année dernière. L'enjeu est considérable pour Nvidia, dont le marché chinois représente une part significative de ses revenus dans le secteur des puces IA. La H200, deuxième puce la plus puissante du fabricant, était bloquée dans les limbes administratifs sous l'effet conjugué des restrictions américaines à l'export et des exigences réglementaires chinoises, une double contrainte qui illustre les tensions persistantes entre Washington et Pékin sur le contrôle des technologies stratégiques. Au-delà de la H200, Nvidia travaillerait également à une version adaptée au marché chinois de sa puce d'inférence Groq, conçue spécifiquement pour répondre aux contraintes imposées par les deux régulateurs. Cette démarche témoigne de la stratégie de l'entreprise : maintenir sa présence en Chine sans contrevenir aux règles américaines d'exportation, en développant des variantes localisées de ses produits phares. Cette double annonce intervient dans un contexte où les fabricants de puces américains cherchent à préserver leur accès au marché chinois, tout en naviguant entre les injonctions contradictoires des deux superpuissances technologiques. La capacité de Nvidia à obtenir ces validations pourrait redéfinir l'équilibre concurrentiel face aux champions nationaux chinois comme Huawei, qui profitaient jusqu'ici de l'absence des acteurs américains.

Business⚖Reglementation

1 source

39

8107AWS ML Blog 

Lancez vos expériences de personnalisation Nova avec le SDK Nova Forge

Amazon franchit une nouvelle étape dans la démocratisation de la personnalisation des grands modèles de langage avec le lancement du Nova Forge SDK, un outil conçu pour simplifier radicalement le fine-tuning des modèles Amazon Nova. Fini les configurations laborieuses de dépendances, de sélection d'images ou de recettes d'entraînement, le SDK centralise l'ensemble du pipeline de personnalisation en une interface unifiée, accessible même aux équipes sans expertise infrastructure poussée. L'enjeu est considérable : la personnalisation des LLM reste aujourd'hui un frein majeur à leur adoption en entreprise. En intégrant nativement Amazon SageMaker AI, le Nova Forge SDK couvre l'intégralité du spectre de personnalisation, du fine-tuning supervisé classique jusqu'aux techniques avancées de renforcement (Reinforcement Fine-Tuning, ou RFT), sans rupture de plateforme. C'est un changement de paradigme pour les équipes data qui cherchent à adapter des modèles fondation à des cas d'usage métier précis. Pour illustrer les capacités du SDK, Amazon a conduit une étude de cas sur la classification automatique de questions Stack Overflow en trois catégories de qualité : HQ (haute qualité), LQEDIT (basse qualité, éditée) et LQCLOSE (basse qualité, fermée). Le jeu de données utilisé contient 60 000 questions collectées entre 2016 et 2020, dont 4 700 ont été échantillonnées : 3 500 pour le fine-tuning supervisé, 500 pour l'évaluation, et 700 supplémentaires pour le RFT, augmentés des 3 500 exemples SFT pour éviter l'oubli catastrophique. Le processus suit quatre étapes séquentielles : évaluation de référence, SFT, RFT sur checkpoint SFT, puis déploiement sur un endpoint d'inférence SageMaker AI. Le positionnement d'Amazon est clair : traiter la personnalisation comme un continuum sur l'échelle de scaling, et non comme une étape isolée. Avec des améliorations mesurables à chaque phase d'entraînement, le Nova Forge SDK s'adresse directement aux équipes cherchant à industrialiser leurs workflows de fine-tuning sans sacrifier la flexibilité technique, une réponse directe à la pression concurrentielle d'OpenAI, Google et Mistral sur le marché de la personnalisation LLM.

Outils⚒Outil

1 source

40

Illustration générée par IA

8108The Information AI 

L'atelier Build-A-Claw de Nvidia

Nvidia a placé les agents IA au cœur de sa conférence développeurs GTC, cette semaine, en installant un espace dédié baptisé "Build-A-Claw" où les participants pouvaient expérimenter en direct la création d'agents intelligents. L'attraction a été l'une des plus fréquentées du salon, signe que l'engouement autour des agents IA est désormais au sommet de l'agenda technologique. L'initiative s'appuie sur NemoClaw, un nouveau logiciel open source dévoilé par Nvidia pour construire des agents IA à partir d'OpenClaw, une base déjà populaire dans l'écosystème développeur. L'enjeu est stratégique : en proposant une couche de contrôles de confidentialité et de sécurité, jusqu'ici clairement absents d'OpenClaw, Nvidia cherche à convaincre les entreprises encore réticentes à déployer des agents par crainte d'incidents de sécurité. Luke Wignall, directeur du marketing produit technique chez Nvidia et co-organisateur de l'espace, a décrit un public très varié venu tester les capacités concrètes des agents avant d'envisager de les déployer eux-mêmes. Parmi les exemples cités, une étudiante a utilisé un agent pour l'aider à trouver des offres d'emploi et à préparer son CV. NemoClaw introduit notamment la possibilité de restreindre les fichiers accessibles par un agent ainsi que les actions qu'il peut exécuter, des garde-fous essentiels pour une adoption en environnement professionnel. Ces nouvelles fonctionnalités de contrôle positionnent Nvidia non plus seulement comme fabricant de puces pour l'IA, mais comme acteur à part entière de la couche logicielle des agents. Dans un marché où la confiance des entreprises reste le principal frein au déploiement, l'ajout de mécanismes de sécurité granulaires pourrait s'avérer décisif pour accélérer l'adoption à grande échelle.

Outils⚒Outil

1 source

54

Illustration générée par IA

8109Next INpact 

Mistral Small 4, GPT‑5.4 mini et nano : deux approches pour les « petits » modèles

Mistral et OpenAI ont chacun dévoilé cette semaine leur stratégie pour les modèles compacts de nouvelle génération. Là où OpenAI mise sur la distillation pour produire des versions mini et nano de son GPT-5.4, Mistral adopte une architecture radicalement différente avec son nouveau Small 4, basé sur une Mixture of Experts (MoE). Deux philosophies, un même objectif : des modèles plus rapides et significativement moins coûteux à l'inférence. Le lancement de Mistral Small 4 représente une étape importante pour la startup française, qui ambitionne de fusionner dans un seul modèle les capacités jusqu'ici dispersées entre ses différents produits phares. Ce modèle unifie le raisonnement avancé de Magistral, les capacités multimodales de Pixtral et l'expertise code de Devstral, une consolidation qui simplifie l'offre tout en élargissant les cas d'usage. Sa publication en open source sous licence Apache 2.0 renforce la position de Mistral comme alternative européenne crédible face aux géants américains. Sur le plan technique, Small 4 repose sur une architecture MoE intégrant 128 experts, dont seulement 4 sont activés pour chaque token traité. Le modèle totalise 119 milliards de paramètres, mais n'en mobilise que 6 milliards (8 milliards avec les couches d'intégration et de sortie) lors de l'inférence, ce qui explique ses performances en latence et en coût. Mistral rejoint par ailleurs la NVIDIA Nemotron Coalition, un signal fort d'intégration dans l'écosystème matériel dominant. Cette double actualité illustre la bataille que se livrent les laboratoires sur le segment des modèles légers, désormais perçus comme le terrain de jeu le plus stratégique : suffisamment puissants pour les usages professionnels, assez économiques pour une adoption massive. La compétition entre distillation (OpenAI) et MoE (Mistral) sera un marqueur technique clé de 2026.

LLMs❧Opinion

1 source

41

8110AWS ML Blog 

Nova Forge SDK : une solution simple pour personnaliser les modèles Nova pour l'IA en entreprise

Amazon lance le Nova Forge SDK, un outil destiné à simplifier radicalement la personnalisation des modèles de langage Amazon Nova pour les entreprises. Conçu pour abaisser les barrières techniques à l'entrée, ce kit de développement unifié couvre l'intégralité du cycle de vie de la customisation, de la préparation des données à l'entraînement et jusqu'au déploiement en production. La personnalisation des LLMs est devenue un impératif pour les entreprises qui ne peuvent se satisfaire de réponses génériques face à leurs workflows propriétaires et leur terminologie métier spécifique. Jusqu'ici, ces projets exigeaient une infrastructure complexe, une gestion laborieuse des dépendances et un investissement technique considérable. Le Nova Forge SDK répond directement à ce frein en proposant des workflows intelligents avec des paramètres par défaut raisonnés, tout en laissant aux utilisateurs avancés un accès complet aux SDK sous-jacents. L'outil s'articule autour de trois couches : une couche d'entrée (RuntimeManager) pour configurer le matériel, la plateforme et les permissions IAM ; une couche de customisation qui construit automatiquement les configurations de recettes et lance les jobs d'entraînement ; et une couche de sortie qui génère les artefacts finaux, logs CloudWatch, métriques ML Flow, logs TensorBoard, ainsi que le modèle entraîné, déployable sur Amazon SageMaker AI ou Amazon Bedrock. Le SDK supporte l'ensemble du spectre de customisation : SFT (Supervised Fine-Tuning), RFT (Reinforcement Fine-Tuning), DPO (Direct Preference Optimization), ainsi que les approches LoRA et full rank. Un point technique notable est la prise en charge de la problématique du "catastrophic forgetting", ce phénomène par lequel un modèle affiné sur des données spécialisées perd ses capacités générales de raisonnement et de suivi d'instructions. Nova Forge permet de démarrer depuis des checkpoints précoces du modèle et de mélanger les données propriétaires avec les datasets curatés par Amazon Nova, offrant ainsi un équilibre entre spécialisation métier et préservation des compétences fondamentales.

Outils⚒Outil

1 source

35

8111TechCrunch AI 

Cette startup veut donner aux logiciels d'entreprise l'apparence d'un prompt

Une startup dont l'identité n'est pas précisée dans l'article a levé 12 millions de dollars en seed pour développer ce qu'elle appelle un système d'exploitation IA destiné aux entreprises. L'ambition est claire : remplacer les interfaces graphiques complexes des logiciels professionnels par des interfaces conversationnelles pilotées par des prompts, permettant aux utilisateurs d'interagir avec leurs outils métier en langage naturel. Cette approche s'inscrit dans une tendance de fond qui redéfinit la façon dont les entreprises interagissent avec leurs logiciels. Plutôt que de former les employés à naviguer dans des menus et des tableaux de bord labyrinthiques, l'idée est de laisser l'IA interpréter les intentions de l'utilisateur et exécuter les actions correspondantes. L'impact potentiel est significatif : réduction des coûts de formation, gain de productivité, et démocratisation de l'accès aux outils complexes pour des profils non techniques. Avec 12 millions de dollars levés au stade seed, la startup dispose d'un capital conséquent pour développer et commercialiser sa technologie. Le positionnement cible directement le marché des logiciels d'entreprise (ERP, CRM, outils RH, etc.), un secteur historiquement résistant à l'innovation UX et dominé par des acteurs comme SAP, Oracle ou Salesforce. La proposition de valeur repose sur une couche d'abstraction IA qui se greffe sur l'existant, sans nécessiter de refonte complète des systèmes en place. Si la traction est au rendez-vous, ce modèle pourrait accélérer l'obsolescence des interfaces traditionnelles dans l'entreprise. Les grands éditeurs de logiciels n'ont pas attendu pour investir ce terrain, Microsoft avec Copilot ou Salesforce avec Agentforce en sont la preuve, mais une startup spécialisée, plus agile, pourrait s'imposer comme une couche intermédiaire indépendante du fournisseur, ce qui constituerait un avantage différenciant réel.

Outils⚒Outil

1 source

52

Illustration générée par IA

8112AI Business 

Mistral ouvre la voie à une IA souveraine en Europe

Mistral AI s'impose comme l'alternative européenne aux géants américains de l'intelligence artificielle, en proposant une pile technologique souveraine qui répond aux exigences croissantes des directions informatiques en matière d'indépendance numérique. La startup française, fondée en 2023, combine des modèles frontier à poids ouverts avec des investissements massifs dans les infrastructures de centres de données pour construire une offre crédible face aux OpenAI, Google et Microsoft. L'enjeu est stratégique pour l'Europe : dépendre exclusivement de modèles propriétaires américains expose les entreprises et les États à des risques juridiques (transferts de données hors UE), des risques de souveraineté (accès aux données sensibles) et une dépendance technologique structurelle. Les DSI et CIO européens cherchent des solutions conformes au RGPD et au AI Act, deux cadres réglementaires que les acteurs locaux comme Mistral peuvent plus naturellement intégrer dans leur architecture. Mistral mise sur plusieurs leviers différenciants : ses modèles à poids ouverts (open-weight), qui peuvent être déployés on-premise ou dans des clouds souverains sans transmettre de données à des serveurs tiers, et sa capacité de calcul propre via des partenariats avec des opérateurs de centres de données européens. Ses modèles de la famille Mistral Large et Le Chat sont positionnés comme des alternatives performantes aux offres de GPT-4 ou Claude, avec des garanties de localisation des données sur le territoire européen. Dans un contexte de tensions géopolitiques croissantes et de questionnements sur la fiabilité des fournisseurs américains, Mistral bénéficie d'un timing favorable. Le soutien de l'Union européenne à une industrie IA locale, combiné aux investissements annoncés dans le cadre du plan AI Gigafactories, pourrait accélérer l'adoption de ces solutions souveraines parmi les grandes entreprises et administrations du continent.

Business❧Opinion

1 source

38

8113AWS ML Blog 

Évaluer les agents IA pour la production : un guide pratique de Strands Evals

Le passage des agents IA du prototype à la production soulève un défi fondamental : comment évaluer de manière systématique des systèmes qui, par nature, ne produisent pas de résultats déterministes ? Strands Evals, un framework d'évaluation développé pour le Strands Agents SDK, apporte une réponse structurée à cette question en combinant évaluateurs automatisés, simulation de conversations multi-tours et outils de reporting. L'enjeu est de taille pour le secteur. Les tests logiciels traditionnels reposent sur un principe simple : même entrée, même sortie attendue. Les agents IA brisent cette règle fondamentale. Un agent peut répondre à la question "Quel temps fait-il à Tokyo ?" de dizaines de façons différentes, en Celsius ou en Fahrenheit, avec ou sans humidité, et toutes peuvent être correctes. S'y ajoutent les interactions multi-tours où le contexte s'accumule au fil de la conversation, et les appels d'outils dont la pertinence doit elle aussi être évaluée, indépendamment de la réponse finale. Strands Evals structure cette évaluation autour de trois concepts centraux : les Cases (scénarios de test unitaires, contenant l'entrée, la sortie attendue et la séquence d'outils prévue appelée trajectory), les Experiments (regroupements de cases avec leurs évaluateurs associés, analogues aux suites de tests), et les Evaluators eux-mêmes. Pour dépasser les limites de la comparaison mécanique de mots-clés, le framework s'appuie sur des modèles de langage (LLM) comme évaluateurs, capables de juger des dimensions qualitatives comme l'utilité, la cohérence ou la fidélité aux sources. Cette approche marque une évolution significative dans la manière dont les équipes d'ingénierie peuvent industrialiser le déploiement d'agents IA. En fournissant une infrastructure de mesure répétable et traçable, Strands Evals ouvre la voie à des pipelines d'intégration continue adaptés aux systèmes non déterministes, un prérequis pour tout passage à l'échelle en production.

Outils⚒Outil

1 source

44

Illustration générée par IA

8114The Information AI 

Nscale fait irruption dans la cour des grands du développement de centres de données

Nscale, une entreprise fondée par un ancien mineur de charbon, s'est imposée cette semaine comme l'acteur le plus ambitieux, et le plus risqué, de la course aux infrastructures d'intelligence artificielle. En moins de dix jours, la société a levé 2 milliards de $ à une valorisation de 14,6 milliards de $, annoncé l'acquisition d'un complexe de centres de données en Virginie-Occidentale, et signé une lettre d'intention pour fournir 1,35 gigawatt de puissance de calcul à Microsoft. L'ampleur des ambitions de Nscale redessine la carte des infrastructures cloud dédiées à l'IA. Là où CoreWeave, Oracle ou SoftBank avaient chacun à leur tour incarné la démesure du secteur, Nscale franchit un cap supplémentaire : une entreprise indépendante depuis à peine six mois qui prétend rivaliser avec les géants établis. L'acquisition d'American Intelligence & Power, elle-même âgée de sept semaines, et son complexe en Virginie-Occidentale pourraient donner naissance au plus grand centre de données des États-Unis, un projet qui transformerait durablement l'équilibre des forces dans le cloud IA. Les chiffres donnent le vertige. Le site de Point Pleasant en Virginie-Occidentale vise 2 GW de puissance en ligne d'ici mi-2028, avec 8 GW planifiés pour 2031, sachant qu'installer 1 GW de serveurs Nvidia coûte au minimum 50 milliards de $. L'électricité sera produite entièrement sur site par environ 1 000 générateurs à gaz naturel de Caterpillar. Selon des documents préparés par Goldman Sachs, le chiffre d'affaires devrait passer de 1,5 milliard de $ cette année à 30 milliards de $ en 2027. À la tête de l'entreprise, Josh Payne, passé des mines de charbon au minage de cryptomonnaies avant les centres de données, s'appuie sur une équipe rodée, dont Nidhi Chappell, ancienne responsable de l'infrastructure IA chez Microsoft, nommée présidente de l'infrastructure IA. Nvidia figure parmi les investisseurs, et le conseil d'administration accueille désormais Sheryl Sandberg (ex-COO de Meta) et Nick Clegg (ex-vice-Premier ministre britannique et ex-président des affaires mondiales de Meta). Le projet ne fait pas l'unanimité. Des riverains de Point Pleasant s'inquiètent des nuisances sonores, lumineuses et de la pollution atmosphérique générée par les milliers de générateurs. Le délégué à la législature d'État Jonathan Pinson, qui vit à six kilomètres du site, reconnaît la légitimité de ces préoccupations tout en soulignant les retombées économiques attendues pour un État qui a activement facilité ces implantations en 2024, adoptant une loi plaçant les grands centres de données sous contrôle étatique et neutralisant ainsi les recours locaux.

Business⚡Actu

1 source

44

8115Frandroid 

La « Personal Intelligence » de Gemini devient gratuite pour des millions d’utilisateurs

Google vient de rendre gratuite sa fonctionnalité « Personal Intelligence » intégrée à Gemini, jusqu'alors réservée aux abonnés payants à partir de 20 dollars par mois. Ce changement de stratégie tarifaire ouvre l'accès à des millions d'utilisateurs qui n'avaient pas franchi le pas de l'abonnement premium. La Personal Intelligence, dévoilée en début 2026, permet à Gemini de mieux personnaliser ses réponses en tenant compte du contexte propre à chaque utilisateur. En rendant cette capacité accessible gratuitement, Google accélère l'adoption de masse et positionne Gemini comme un assistant IA véritablement personnel, sans barrière financière. Le passage d'un tarif de 20 $/mois à la gratuité représente un mouvement tarifaire significatif, qui traduit une pression concurrentielle croissante sur le marché des assistants IA. Des acteurs comme OpenAI avec ChatGPT ou Anthropic avec Claude proposent eux aussi des fonctionnalités avancées à leurs utilisateurs gratuits, forçant Google à revoir sa stratégie de monétisation. Cette ouverture pourrait marquer un tournant dans la guerre des assistants IA : là où les entreprises cherchaient à monétiser les fonctionnalités différenciantes, la tendance semble désormais être à la démocratisation pour maximiser la base d'utilisateurs actifs, quitte à reporter la monétisation sur d'autres leviers.

LLMs⚡Actu

1 source

39

8116AWS ML Blog 

Créer un moteur de tests A/B propulsé par l'IA avec Amazon Bedrock

Les tests A/B constituent depuis longtemps un pilier de l'optimisation des expériences utilisateur, mais leur lenteur structurelle, plusieurs semaines de collecte de données avant d'atteindre une significativité statistique, représente un frein réel pour les équipes produit. Amazon Web Services propose désormais une architecture de tests A/B augmentée par l'IA, construite autour d'Amazon Bedrock, capable d'accélérer drastiquement la convergence vers un variant gagnant en exploitant le contexte comportemental des utilisateurs en temps réel. L'approche traditionnelle souffre d'un défaut fondamental : l'assignation aléatoire des utilisateurs aux variants introduit un bruit considérable et ignore les signaux précoces. Un retailer testant deux boutons d'appel à l'action, "Achetez maintenant" versus "Achetez maintenant, Livraison gratuite", peut croire à tort que le second variant domine, alors que les membres premium (déjà éligibles à la livraison gratuite) hésitent à la vue du message, tandis que les visiteurs mobiles préfèrent la formulation courte. Sans segmentation contextuelle, l'expérience doit tourner des semaines pour lisser ces effets. L'architecture proposée repose sur une combinaison de services AWS entièrement serverless : Amazon ECS avec Fargate orchestre une application FastAPI, Amazon Bedrock avec le modèle Claude Sonnet joue le rôle de moteur de décision IA via le Model Context Protocol (MCP), et Amazon DynamoDB stocke cinq tables dédiées (expériences, événements, assignations, profils, jobs batch). Le tout est protégé par CloudFront et AWS WAF (protection DDoS, pare-feu applicatif), avec des VPC Endpoints garantissant que le trafic vers Bedrock, DynamoDB et S3 ne transite jamais par l'internet public. Cette approche ouvre la voie à une expérimentation adaptative et personnalisée : plutôt qu'un tirage au sort, le moteur évalue le profil de chaque utilisateur avant de lui assigner le variant le plus pertinent. Le gain attendu est double, réduction du bruit expérimental et identification plus rapide d'un gagnant, ce qui représente un avantage concurrentiel significatif pour les équipes e-commerce et produit qui opèrent à grande échelle.

Outils⚒Outil

1 source

44

8117AI News 

Mastercard surveille la fraude grâce à un nouveau modèle de fondation

Mastercard franchit une nouvelle étape dans la lutte contre la fraude en dévoilant un large tabular model (LTM), un modèle de fondation entraîné sur des milliards de transactions par carte bancaire. Contrairement aux grands modèles de langage (LLM), cet outil analyse des données tabulaires structurées, transactions, flux d'autorisation, incidents de fraude, rétrofacturations, activité de fidélité, pour détecter des comportements anormaux sans recourir à des règles prédéfinies. L'enjeu est considérable pour le secteur des paiements numériques : les systèmes de détection de fraude traditionnels reposent sur des règles définies manuellement, nécessitant une intervention humaine constante pour les calibrer. Un modèle capable d'identifier automatiquement des patterns inhabituels, même ceux qu'aucun analyste n'avait anticipés, représente un changement de paradigme. En excluant les identifiants personnels dès la phase d'entraînement, Mastercard positionne également cette approche comme une réponse aux préoccupations croissantes sur la vie privée dans les services financiers. Sur le plan technique, l'infrastructure repose sur Nvidia pour la puissance de calcul et Databricks pour l'ingénierie des données et le développement du modèle. Les premiers résultats montrent une amélioration notable sur des cas précis, notamment les achats à haute valeur et faible fréquence, typiquement sur-signalés comme suspects par les systèmes classiques. Le modèle s'avère plus précis pour distinguer ces transactions légitimes. Mastercard prévoit des déploiements hybrides combinant l'LTM avec les procédures existantes, et envisage de l'étendre à la gestion de portefeuilles, aux programmes de fidélité et à l'analytique interne. L'approche multi-fonctions du modèle unique comporte néanmoins un risque structurel : une défaillance dans un domaine d'application pourrait avoir des répercussions en cascade sur l'ensemble des cas d'usage. C'est pourquoi la société adopte une stratégie prudente d'intégration progressive, cohérente avec les exigences réglementaires strictes qui encadrent le secteur des paiements.

Business⚡Actu

1 source

50

Illustration générée par IA

8118The Information AI 

Microsoft s'inquiète qu'un produit OpenAI-AWS puisse violer son contrat Azure

Microsoft a exprimé de sérieuses inquiétudes face au projet d'OpenAI de commercialiser un produit d'agent IA via Amazon Web Services (AWS). Des cadres supérieurs de la firme de Redmond estiment que cette initiative pourrait enfreindre le contrat liant les deux entreprises, qui stipule qu'OpenAI doit faire tourner ses modèles exclusivement sur l'infrastructure cloud Azure. La tension entre les deux partenaires est désormais suffisamment visible pour que Microsoft laisse filtrer publiquement les signes d'une fracture. Ce différend touche au cœur de l'accord stratégique qui lie Microsoft et OpenAI depuis plusieurs années, un partenariat dans lequel Microsoft a investi plusieurs milliards de $. L'exclusivité Azure n'est pas qu'une clause contractuelle : elle conditionne le retour sur investissement de Microsoft et sa position dominante dans la course aux infrastructures d'IA. Voir OpenAI nouer des accords de distribution avec son concurrent direct AWS constitue une menace directe sur cette position. Le produit en question est un agent IA qu'OpenAI prévoyait de lancer via AWS le mois dernier. Des dirigeants de Microsoft ont soulevé en interne la question de la compatibilité de cet accord avec les clauses d'exclusivité cloud de leur contrat. L'entreprise a depuis choisi d'indiquer publiquement qu'une fissure est en train de se former, une démarche inhabituelle qui signale l'ampleur des tensions. Cette affaire illustre les limites d'un modèle de partenariat construit à une époque où OpenAI dépendait entièrement de Microsoft pour son infrastructure. Alors qu'OpenAI gagne en autonomie et cherche à diversifier ses canaux de distribution, les clauses d'exclusivité négociées dans un autre contexte deviennent des points de friction majeurs, et pourraient redéfinir en profondeur la nature de leur alliance.

Business⚡Actu

1 source

37

8119AWS ML Blog 

Bark.com et AWS s'associent pour construire une solution de génération vidéo à grande échelle

Bark.com et Amazon Web Services ont collaboré pour transformer radicalement le pipeline de création de contenu vidéo marketing, en passant d'un processus manuel de plusieurs semaines à une génération automatisée en quelques heures. La plateforme britannique, qui met en relation des milliers de personnes chaque semaine avec des prestataires de services professionnels, du jardinage aux soins à domicile, avait identifié un besoin urgent d'accélérer sa production de publicités personnalisées pour les réseaux sociaux. Le défi était structurel : mener des campagnes efficaces en mid-funnel exige des volumes élevés de créatifs personnalisés pour permettre des tests A/B rapides, mais le workflow manuel de Bark ne pouvait pas absorber ce rythme ni supporter la création de variantes pour plusieurs segments clients simultanément. L'enjeu dépasse le simple gain de productivité, c'est la capacité même d'une entreprise à personnaliser son discours à grande échelle qui est en jeu, un avantage concurrentiel décisif dans la publicité numérique. L'architecture déployée repose sur plusieurs couches de services AWS : Amazon S3 pour le stockage des assets, AWS Lambda et AWS Step Functions pour l'orchestration d'un pipeline en sept étapes, et Amazon Bedrock avec le modèle Claude Sonnet 3.7 d'Anthropic pour la génération de texte, la segmentation client et l'évaluation qualité. Le volet vidéo s'appuie sur Wan 2.1 Text2Video-14B, un modèle de 14 milliards de paramètres distribué sur huit GPU d'une instance p4de.24xlarge SageMaker via du parallélisme tensoriel. La synthèse vocale est gérée par des conteneurs Amazon ECS sur instances g5.2xlarge, avec une mise à l'échelle à zéro en période d'inactivité. Cette collaboration avec l'AWS Generative AI Innovation Center a permis à Bark de valider quatre objectifs clés, réduction du temps de production, personnalisation multi-segments, cohérence de marque et qualité équivalente aux publicités produites manuellement. Le dispositif est présenté comme un modèle réplicable pour toute entreprise confrontée à des défis similaires de passage à l'échelle dans la création de contenu.

Outils⚒Outil

1 source

40

Illustration générée par IA

8120Next INpact 

Pokémon Go signe un partenariat avec la société de livraison robotisée Coco Robotics

Niantic Spatial, la société issue de la scission de l'éditeur de Pokémon Go, a annoncé le 10 mars 2025 un partenariat stratégique avec Coco Robotics, spécialiste des robots de livraison autonomes. L'annonce a suscité une vague de réactions en ligne, une partie du public découvrant que les données de géolocalisation collectées lors des sessions de jeu servaient désormais à alimenter des systèmes robotiques concrets. Cette évolution illustre une trajectoire logique pour Niantic Labs, fondée en 2010 au sein de Google par John Hanke avant de prendre son indépendance en 2015. La société a progressivement fait pivoter son modèle économique : aux revenus classiques du jeu vidéo s'est ajoutée une activité de développement de modèles géospatiaux et de réalité augmentée, portée par sa filiale Niantic Spatial. Ces modèles reposent précisément sur les données massives collectées via ses jeux, Pokémon Go, Ingress et Peridot. Le cœur technologique de ce partenariat est le Large Geospatial Model (LGM), dévoilé en 2024, qui alimente le Visual Position System (VPS) de l'entreprise. Ce système a été entraîné grâce aux milliards d'images géolocalisées partagées par les joueurs, à raison de 1 million de nouveaux points de localisation par semaine, pour un total déjà supérieur à 10 millions de points. En mars 2025, Niantic a vendu sa branche jeux à Scopely, permettant à Niantic Spatial de se lancer de façon indépendante avec 200 millions de dollars de revenus propres et 50 millions de dollars d'investissements apportés par Scopely. Ce partenariat avec Coco Robotics confirme que la robotique de livraison constitue un débouché industriel naturel pour les technologies de vision et de positionnement spatial. La capacité à comprendre précisément l'environnement réel, rue, trottoir, obstacles, est exactement ce dont ont besoin les robots autonomes, et c'est précisément ce que le VPS de Niantic Spatial est conçu à fournir. Une convergence qui donne une nouvelle dimension à chaque partie de chasse aux Pokémon jouée depuis 2016.

Robotique⚡Actu

1 source