Actualités IA — page 416

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

53

Illustration générée par IA

8301AI News 

OpenAI Frontier place les agents IA d'entreprise au cœur d'un combat que le secteur SaaS ne peut pas se permettre de perdre

OpenAI a lancé Frontier en février dernier, se positionnant officiellement comme une plateforme d'agents IA pour les entreprises. Mais derrière l'annonce se cache une offensive directe contre le modèle économique qui domine l'industrie du logiciel depuis deux décennies : la licence par siège. Conçu comme une couche sémantique transversale, Frontier connecte entrepôts de données, CRM, outils de ticketing et applications internes pour donner aux agents IA le même contexte métier qu'un employé humain. Uber, State Farm, Intuit et Thermo Fisher Scientific figurent parmi les premiers clients. L'enjeu dépasse largement la simple productivité. Si un agent IA exécute les tâches qui justifiaient auparavant l'abonnement d'un collaborateur à Salesforce ou à tout autre SaaS, la logique du paiement à l'utilisateur s'effondre. Fortune résume la crainte des acteurs en place : des plateformes comme Frontier pourraient rendre les logiciels SaaS « invisibles » et, par conséquent, moins valorisables. La directrice financière d'OpenAI, Sarah Friar, ne cache pas ses ambitions, les clients entreprise représentent aujourd'hui ~40 % du chiffre d'affaires de la société, et elle vise 50 % d'ici la fin de l'année. Les résultats des premiers déploiements illustrent l'ampleur du changement. Un fonds d'investissement mondial utilisant Frontier sur son processus commercial a récupéré plus de 90 % du temps que ses commerciaux consacraient aux tâches administratives. Un client technologique signale 1 500 heures économisées par mois en développement produit. Chez un grand industriel, un processus d'optimisation de production est passé de six semaines à une journée. La plateforme orchestre indifféremment des agents OpenAI, des agents maison et des agents tiers, y compris ceux de Google, Microsoft et Anthropic, ce qui lui confère une portée plus difficile à rejeter comme un simple enfermement propriétaire. Fidji Simo, CEO Applications d'OpenAI, a résumé le problème des silos lors du lancement en s'appuyant sur son expérience chez Instacart : « Nous avons passé des mois à intégrer chacun des outils sélectionnés. Nous n'avons même pas obtenu ce que nous voulions réellement, car chaque outil était bon pour un cas d'usage, mais ils n'étaient pas intégrés ni connectés entre eux. » Les acteurs établis tentent de s'adapter. Salesforce a affiché des résultats solides au T4 FY2026, 11,2 de milliards de $ de revenus trimestriels, 800 millions de $ de revenus récurrents annuels pour Agentforce, 29 000 contrats Agentforce signés, mais le titre a tout de même reculé en après-séance sur des prévisions décevantes. Sur l'ensemble de l'année, l'action a perdu plus de 27 %, une chute que les analystes attribuent davantage aux craintes liées à la disruption agentique qu'à une faiblesse fondamentale. En réponse, Salesforce a introduit un contrat de licence entreprise agentique à prix fixe pour Agentforce, tentant de rendre la consommation plus prévisible, signe que le secteur cherche encore sa nouvelle grammaire commerciale face à l'irruption des agents IA.

Business❧Opinion

1 source

41

Illustration générée par IA

8302Blog du Modérateur 

Les 100 outils IA les plus utilisés dans le monde en 2026

ChatGPT reste sans conteste le roi des outils d'intelligence artificielle grand public, selon la 6e édition du rapport annuel d'Andreessen Horowitz consacré aux 100 applications IA les plus utilisées dans le monde en 2026. Cette nouvelle livraison du classement confirme la domination écrasante d'OpenAI, tout en révélant une recomposition profonde du paysage concurrentiel. La particularité de cette édition réside dans l'élargissement méthodologique opéré par a16z : le cabinet de capital-risque intègre désormais non seulement les outils IA natifs, mais également les applications traditionnelles ayant intégré des fonctionnalités IA. Ce glissement de périmètre reflète une réalité de marché, l'IA n'est plus un segment isolé, mais une couche fonctionnelle qui s'insère dans l'ensemble de l'écosystème logiciel. Pour les utilisateurs comme pour les entreprises, cela signifie que l'adoption de l'IA se fait désormais autant par des outils dédiés que par des produits existants augmentés. Si ChatGPT trône en tête du classement, la concurrence s'organise avec une intensité nouvelle. Des acteurs comme Google avec Gemini, Anthropic avec Claude, ou encore des outils spécialisés dans la génération d'images, de code ou de contenu audio-visuel gagnent des parts d'usage significatives. Le rapport d'Andreessen Horowitz souligne que la fragmentation de l'usage s'accélère : les utilisateurs ne se contentent plus d'un seul outil, mais composent des workflows multi-outils adaptés à leurs besoins spécifiques. Cette 6e édition marque un tournant dans la lecture de l'industrie : la course n'est plus seulement au modèle le plus puissant, mais à l'intégration la plus fluide dans les usages quotidiens. Les grands gagnants de 2026 seront probablement ceux qui auront su s'insérer dans les flux de travail existants, une bataille que les éditeurs de logiciels traditionnels, armés de leur base installée, sont peut-être mieux placés qu'on ne le croit pour remporter.

Outils⚒Outil

1 source

41

Illustration générée par IA

8303Blog du Modérateur 

Audio & vidéo : comment l’IA transforme la chaîne de production des créateurs

L'intelligence artificielle redéfinit en profondeur la chaîne de production des créateurs de contenu audio et vidéo. Ce qui relevait autrefois d'un travail de post-production long et technique, nettoyage sonore, montage, sous-titrage, se voit aujourd'hui automatisé par des outils IA accessibles, transformant radicalement le ratio temps/qualité pour les créateurs indépendants comme pour les studios professionnels. L'impact est particulièrement significatif pour les créateurs solo et les petites équipes, qui peuvent désormais atteindre un niveau de production autrefois réservé à ceux disposant de ressources techniques importantes. La démocratisation de ces outils modifie l'équilibre des compétences recherchées : la maîtrise technique pure cède du terrain face à la capacité à cadrer une stratégie éditoriale et à diriger des outils IA de manière efficace. Trois axes majeurs structurent cette transformation : l'amélioration de la qualité sonore par suppression automatique du bruit de fond et correction des niveaux, la découpe automatique des séquences longues en clips optimisés pour chaque plateforme, et le sous-titrage automatique multilingue en temps quasi-réel. Des outils comme Descript, Adobe Podcast ou Captions incarnent cette nouvelle génération de solutions qui intègrent ces fonctionnalités dans des interfaces accessibles sans formation technique avancée. Cette évolution soulève néanmoins une question de fond pour le secteur : à mesure que la barrière technique s'effondre, c'est la différenciation éditoriale et la singularité du regard créatif qui deviennent les véritables avantages concurrentiels. L'IA ne remplace pas le créateur, elle lui restitue du temps pour se concentrer sur l'essentiel.

Outils⚒Outil

1 source

36

Illustration générée par IA

8304Frandroid 

Microsoft allège Copilot dans Windows 11 face aux critiques sur la surcharge d’IA

Microsoft opère un recul stratégique notable concernant l'intégration de Copilot dans Windows 11, abandonnant plusieurs fonctionnalités jugées trop intrusives. Face aux critiques croissantes des utilisateurs et des observateurs du secteur sur la surcharge d'intelligence artificielle, l'entreprise de Redmond choisit une approche plus discrète, renonçant à certaines des intégrations les plus visibles de son assistant IA au sein du système d'exploitation. Ce repositionnement intervient dans un contexte de saturation croissante vis-à-vis des assistants IA omniprésents. Après avoir misé sur une présence massive de Copilot, bouton dédié dans la barre des tâches, panneau latéral persistant, raccourcis clavier imposés, Microsoft prend acte du mécontentement d'une partie de sa base d'utilisateurs. Le risque pour l'entreprise était de voir ses efforts d'adoption de l'IA contreproductifs, en associant l'assistant à une expérience envahissante plutôt qu'utile. La nouvelle stratégie conserve une IA plus ciblée et mieux intégrée aux flux de travail réels, plutôt qu'une présence systématique dans l'interface. Microsoft semble s'orienter vers un modèle où Copilot intervient sur demande explicite, réduisant les frictions pour les utilisateurs qui n'en ont pas l'usage quotidien. Cette évolution pragmatique s'inscrit dans une tendance plus large observée chez plusieurs éditeurs, contraints de réévaluer le dosage de l'IA dans leurs produits grand public. Ce virage illustre la tension persistante entre la volonté des grandes entreprises technologiques d'imposer l'IA comme standard et les attentes concrètes des utilisateurs finaux, qui réclament davantage de contrôle sur leur environnement numérique. L'enjeu pour Microsoft reste de trouver l'équilibre entre différenciation par l'IA et respect de l'expérience utilisateur.

Outils⚡Actu

1 source

47

Illustration générée par IA

8305Le Big Data 

Comment une IA associé à un labo automatisé accélère la recherche biologique

Des chercheurs d'OpenAI et de Ginkgo Bioworks viennent de franchir un cap inédit dans la recherche biologique : un modèle d'IA a conçu, exécuté et optimisé des expériences scientifiques de manière quasi autonome, en boucle avec un laboratoire entièrement robotisé. En l'espace de deux mois, le système a réalisé plus de 36 000 tests et réduit d'environ 40 % le coût de production d'une protéine cible. L'enjeu dépasse largement la performance technique. La biologie a longtemps résisté à l'automatisation cognitive : contrairement aux mathématiques ou à l'informatique, il n'existe pas de "bonne réponse" unique, et formuler puis valider une hypothèse y reste extraordinairement complexe. Associer un grand modèle de langage à une infrastructure robotisée capable de boucler des expériences en moins d'une heure ouvre la voie à une accélération radicale du développement de nouveaux médicaments, avec à la clé un accès plus rapide aux traitements pour les patients. Le protocole reposait sur la protéine fluorescente verte superfolder (sfGFP), référence classique en biologie, et sur la technique de synthèse protéique acellulaire (CFPS), une méthode qui produit des protéines sans cellules vivantes, évitant les étapes longues d'insertion d'ADN et de culture cellulaire. Le modèle GPT-5 d'OpenAI, depuis San Francisco, envoyait ses protocoles aux robots de Ginkgo Bioworks installés à Boston ; après chaque cycle d'environ une heure, il analysait les résultats et proposait de nouvelles expériences, sans supervision humaine permanente. Joy Jiao, responsable de la recherche en sciences de la vie chez OpenAI, admet avoir doutée que l'IA puisse concevoir une seule expérience fonctionnelle, les premiers résultats l'ont surprise. Pour Michael Jewett, bioingénieur à l'Université de Stanford, ce couplage IA, laboratoire autonome représente un changement de paradigme pour la découverte thérapeutique. Reshma Shetty, directrice des opérations et cofondatrice de Ginkgo Bioworks, souligne quant à elle que les modèles d'IA seuls ne suffisent pas : c'est leur intégration avec des infrastructures physiques automatisées, ce que le PDG Jason Kelly compare au "Waymo de la biologie", qui libère leur plein potentiel scientifique.

Recherche❖Paper

1 source

33

Illustration générée par IA

8306MarkTechPost 

Résultats critiques: Moonshot AI dévoile des résultats pour remplacer le mélange résiduel fixe par une attention depth-wise pour une meilleure évolutivité dans les transformateurs

Moonshot AI remet en question l'un des fondements les plus établis de l'architecture Transformer : les connexions résiduelles. Baptisée Attention Residuals (AttnRes), la nouvelle approche proposée par les chercheurs de la startup chinoise remplace l'accumulation résiduelle classique par un mécanisme d'attention depth-wise, une attention portant non plus sur la séquence de tokens, mais sur la dimension de profondeur du réseau. L'idée : laisser chaque couche choisir dynamiquement quelles représentations des couches précédentes lui sont utiles, plutôt que de toutes les consommer avec un poids uniforme. L'enjeu est significatif pour la scalabilité des grands modèles de langage. Dans les architectures PreNorm standard, la magnitude de l'état caché croît avec la profondeur du réseau, diluant progressivement la contribution de chaque couche individuelle. Ce phénomène constitue un frein à l'optimisation des modèles très profonds et rend l'accès sélectif à des représentations antérieures structurellement impossible, une fois l'information fusionnée dans le flux résiduel, elle ne peut être récupérée de façon ciblée. Les chercheurs identifient trois problèmes concrets avec les résidus classiques : absence d'accès sélectif (toutes les couches reçoivent le même état agrégé), perte irréversible d'information, et croissance des sorties en profondeur pouvant déstabiliser l'entraînement. Deux variantes d'AttnRes sont proposées : Full AttnRes, qui calcule une attention sur toutes les couches précédentes avec un coût mémoire en O(Ld), et Block AttnRes, une version pratique pour les grands modèles qui partitionne les couches en blocs N, ramenant le coût à O(Nd). Cette dernière affiche moins de 4% de surcoût à l'entraînement sous pipeline parallèle et moins de 2% de latence supplémentaire à l'inférence. Les expériences portent sur cinq tailles de modèles, comparant AttnRes aux résidus standards sur plusieurs variantes. Le code source est disponible publiquement sur GitHub (MoonshotAI/Attention-Residuals). Si les résultats de scalabilité se confirment à très grande échelle, AttnRes pourrait s'imposer comme une alternative sérieuse aux connexions résiduelles fixes, un composant que la communauté questionne rarement mais qui conditionne pourtant l'ensemble de la dynamique d'apprentissage des Transformers modernes.

Recherche❖Paper

1 source

43

Illustration générée par IA

8307MarkTechPost 

IBM publie Grandite 4.0 : 1 milliard de locutions pour un modèle vocal multilingue compact destiné à l'IA edge et aux pipelines de traduction

IBM vient de publier Granite 4.0 1B Speech, un modèle de reconnaissance et de traduction vocale multilingue conçu pour les déploiements en conditions contraintes, edge computing, faible latence, empreinte mémoire réduite. La particularité de cette version : elle divise par deux le nombre de paramètres de son prédécesseur granite-speech-3.3-2b, tout en étendant les capacités du modèle. Cette sortie s'inscrit dans une tendance de fond dans l'industrie : l'optimisation des modèles pour des environnements hors cloud ou à ressources limitées. Pour les entreprises cherchant à intégrer de la transcription ou de la traduction vocale sans dépendre d'une API externe, pour des raisons de confidentialité, de coût ou de connectivité, un modèle compact et performant sous licence Apache 2.0 représente une alternative crédible aux solutions propriétaires. Le modèle prend en charge la reconnaissance automatique de la parole (ASR) en anglais, français, allemand, espagnol, portugais et japonais, ainsi que la traduction bidirectionnelle (AST) depuis et vers l'anglais pour ces langues, avec des scénarios supplémentaires vers l'italien et le mandarin. Sur le plan des performances, Granite 4.0 1B Speech a récemment décroché la première place du classement OpenASR, avec un taux d'erreur moyen (WER) de 5,52 et un score de vitesse temps réel (RTFx) de 280,02. Sur le corpus de référence LibriSpeech Clean, le WER tombe à 1,42. Techniquement, le modèle repose sur une architecture à deux passes : la transcription audio d'abord, puis un appel séparé au modèle de langage Granite 4.0 pour tout traitement textuel en aval. Le déploiement est supporté nativement via transformers ≥ 4.52.1 et vLLM, avec une interface compatible OpenAI API pour la mise en production. L'ajout du keyword biasing, permettant de guider la transcription vers un vocabulaire métier spécifique directement dans le prompt, et du décodage spéculatif pour accélérer l'inférence renforce l'attrait du modèle pour des usages industriels. IBM positionne ainsi Granite Speech comme une brique modulaire dans des pipelines voix-vers-texte d'entreprise, sans enfermement propriétaire.

Outils⚡Actu

1 source

35

Illustration générée par IA

8308TechCrunch AI 

L'accélérateur Google et Accel India sélectionne 5 startups, aucune n'est un simple 'wrapper' d'IA

Google et Accel India ont dévoilé la première cohorte de leur programme d'accélération Atoms, en sélectionnant seulement 5 startups parmi plus de 4 000 candidatures reçues. Ce taux d'admission extrêmement sélectif, inférieur à 0,2 %, reflète une exigence claire : les deux partenaires ne cherchent pas des projets opportunistes, mais de véritables innovations technologiques fondamentales. Le constat posé par les deux organisations est révélateur de l'état actuel de l'écosystème IA en Inde, et plus largement à l'échelle mondiale. Selon Google et Accel, environ 70 % des dossiers soumis consistaient en de simples "wrappers" : des applications construites en surcouche d'API existantes comme GPT ou Gemini, sans différenciation technique réelle. Ce phénomène, largement observé depuis l'explosion de l'intérêt pour l'IA générative, pose la question de la durabilité et de la valeur ajoutée réelle de nombreuses startups du secteur. Sur les 4 000 candidatures examinées, les équipes de sélection ont retenu 5 projets qui se distinguent par une approche plus profonde de la technologie, qu'il s'agisse de modèles propriétaires, d'architectures spécialisées ou d'applications verticales avec une vraie barrière à l'entrée. Le programme Atoms, fruit du partenariat entre le géant américain Google et le fonds de capital-risque Accel, vise à soutenir les startups IA indiennes à fort potentiel avec des ressources techniques, du mentorat et un accès à l'infrastructure cloud. Cette sélection draconienne envoie un signal fort au marché : les investisseurs et les grandes plateformes technologiques commencent à distinguer clairement les projets à valeur ajoutée substantielle des initiatives purement cosmétiques. Pour l'écosystème indien, qui ambitionne de s'imposer comme un acteur de référence dans la course mondiale à l'IA, cette exigence accrue pourrait accélérer la maturation du secteur.

Business⚡Actu

1 source

37

Illustration générée par IA

8309MarkTechPost 

Gouvernance IA d'entreprise : mise en œuvre avec OpenClaw Gateway, workflows d'approbation et exécution d'agents auditables

La gouvernance de l'intelligence artificielle en entreprise franchit un nouveau cap avec l'émergence d'outils comme OpenClaw Gateway, qui permettent de déployer des agents autonomes tout en maintenant un contrôle rigoureux sur leurs actions. Un tutoriel publié récemment détaille comment construire un système de gouvernance IA complet en combinant OpenClaw et Python, couvrant la classification des requêtes par niveau de risque, les workflows d'approbation et la traçabilité complète des exécutions. L'enjeu est considérable pour les organisations qui souhaitent adopter des agents IA autonomes sans sacrifier la visibilité opérationnelle ni la conformité réglementaire. À mesure que les systèmes d'IA gagnent en autonomie, les équipes IT et juridiques exigent des mécanismes d'audit fiables et des garde-fous automatisés. Ce type d'architecture répond directement à ces impératifs en intercalant une couche de politique entre les utilisateurs et les agents, garantissant que chaque action sensible est validée avant exécution. Techniquement, le système s'appuie sur une passerelle locale (OpenClaw Gateway) exposant une API compatible avec le format OpenAI, configurée avec un token d'authentification sécurisé et liée en loopback pour limiter l'exposition réseau. Le modèle sous-jacent utilisé est GPT-4.1-mini d'OpenAI, intégré via la configuration des agents OpenClaw. La couche de gouvernance classifie les requêtes entrantes, applique des politiques d'approbation différenciées selon le risque, et route les tâches validées vers l'agent pour exécution, chaque étape étant journalisée pour assurer une auditabilité complète. Cette approche illustre une tendance de fond dans le déploiement enterprise de l'IA : la séparation claire entre les capacités des agents et les politiques qui encadrent leur usage. Des outils comme OpenClaw positionnent la gouvernance non plus comme une contrainte ajoutée après coup, mais comme une composante architecturale à part entière, ouvrant la voie à des déploiements d'IA autonome plus responsables et plus acceptables pour les directions métier.

Outils⚒Outil

1 source

50

Illustration générée par IA

8310The Information AI 

GTC : ce qu'il faut attendre de la puce Groq de Nvidia

La conférence annuelle GTC de Nvidia ouvre ses portes ce lundi à San Jose, en Californie, avec en point d'orgue une keynote très attendue du PDG Jensen Huang. L'annonce la plus anticipée : un nouveau système de puces combinant la technologie de Nvidia avec celle de Groq, la société indépendante de semi-conducteurs dont Nvidia a acquis la licence technologique fin 2024. L'enjeu est considérable pour l'industrie. Il s'agit de la première fois que Nvidia intègre le processeur IA d'une autre entreprise directement dans ses racks de serveurs, une rupture nette avec la philosophie maison, qui reposait jusqu'ici quasi exclusivement sur ses propres composants et interconnexions haute vitesse. Le deal sous-jacent à cette intégration a été conclu fin 2024 pour environ 20 milliards de $, faisant de l'accord Nvidia-Groq l'une des transactions les plus significatives du secteur des semi-conducteurs dédiés à l'IA. Les systèmes phares actuels de Nvidia s'appuient entièrement sur leurs propres puces, ce qui rend cette ouverture architecturale d'autant plus remarquable. Cette évolution pourrait signaler un tournant stratégique pour Nvidia : plutôt que de tout concevoir en interne, le géant des GPU semble prêt à orchestrer un écosystème de partenaires matériels. La keynote de Jensen Huang demain matin sera scrutée de près pour les détails techniques et les implications commerciales de cette nouvelle architecture hybride.

Outils❧Opinion

1 source

47

Illustration générée par IA

8311TechCrunch AI 

Risques de masse de victimes signalés par l'avocat derrière les cas d'hystérie artificielle

Les chatbots d'intelligence artificielle sont désormais associés non seulement à des cas de suicide, mais aussi à des incidents impliquant des victimes multiples, selon un avocat spécialisé dans les poursuites contre les entreprises technologiques. La technologie évoluerait bien plus vite que les garde-fous censés protéger les utilisateurs les plus vulnérables. Ce constat représente une escalade significative dans le débat sur la sécurité des IA conversationnelles. Jusqu'ici, les discussions publiques portaient principalement sur des cas individuels, notamment des adolescents ayant développé des liens émotionnels pathologiques avec des chatbots avant de passer à l'acte. L'émergence présumée de cas à victimes multiples marque un tournant dans l'évaluation des risques systémiques liés à ces technologies. L'avocat à l'origine de plusieurs poursuites contre des plateformes d'IA affirme que les incidents à grande échelle commencent à apparaître dans ses dossiers, sans que les entreprises concernées aient déployé des mesures de sécurité proportionnées. Le secteur fait face à une critique récurrente : la course à la mise sur le marché prime sur les protocoles de protection, notamment pour les populations à risque. Aucun nom d'entreprise spécifique ni chiffre précis n'est mentionné dans les éléments disponibles de l'article. Ce signalement intervient dans un contexte où la régulation des IA génératives reste fragmentée, en particulier aux États-Unis. Les législateurs et les associations de protection des mineurs réclament depuis plusieurs années des obligations légales contraignantes, filtres de contenu, détection des comportements à risque, protocoles d'alerte, que l'industrie tarde à adopter de manière uniforme.

Société⚡Actu

1 source

34

Illustration générée par IA

8312MarkTechPost 

Découvrez OpenViking : une base de données contextuelle open-source qui apporte la mémoire et la récupération basées sur le système de fichiers aux systèmes d'agents intelligents comme OpenClaw

OpenViking, un projet open-source publié par Volcengine (la branche cloud de ByteDance), propose une approche radicalement différente de la gestion du contexte pour les systèmes d'agents IA. Plutôt que de stocker les informations sous forme de fragments textuels plats, OpenViking organise la mémoire des agents selon un paradigme de système de fichiers, accessible via le protocole viking://. Une rupture conceptuelle qui s'attaque directement aux limites des pipelines RAG (Retrieval-Augmented Generation) classiques. L'enjeu est majeur pour les développeurs d'agents autonomes : plus une tâche dure longtemps, plus le contexte s'accumule, et plus les systèmes traditionnels peinent à retrouver la bonne information au bon moment. OpenViking répond à cinq problèmes récurrents identifiés dans le développement d'agents, contexte fragmenté, volume croissant lors de tâches longues, mauvaise qualité de récupération, faible observabilité et mémoire limitée à l'historique de conversation. En structurant le contexte en répertoires hiérarchiques (resources/, user/, agent/), le système permet à un agent de naviguer avec des opérations de type ls ou find, plutôt que de se fier uniquement à la similarité sémantique. Le cœur technique repose sur trois mécanismes distincts. Le Directory Recursive Retrieval effectue une première recherche vectorielle pour identifier le répertoire le plus pertinent, puis affine récursivement dans les sous-répertoires, préservant à la fois la pertinence locale et la structure globale. Le Tiered Context Loading décompose automatiquement chaque contenu en trois niveaux : L0 (résumé en une phrase), L1 (vue d'ensemble pour la planification) et L2 (contenu complet), réduisant ainsi le coût en tokens en ne chargeant le détail qu'en cas de nécessité. Enfin, la Visualized Retrieval Trajectory enregistre le chemin de navigation suivi lors de chaque récupération, offrant aux développeurs une visibilité concrète sur les erreurs de routage de contexte, souvent responsables des mauvaises réponses, indépendamment des capacités du modèle sous-jacent. OpenViking intègre également un système de mémoire de session avec boucle d'auto-itération, permettant à l'agent de consolider et réviser ses souvenirs au fil du temps, au-delà du simple log de conversation. Porté par Volcengine, ce projet positionne ByteDance comme un acteur sérieux dans l'infrastructure des agents IA, un domaine où des solutions comme LangChain, LlamaIndex ou Mem0 dominent actuellement. La nature open-source du projet pourrait accélérer son adoption dans les pipelines d'agents complexes qui souffrent des limites structurelles du RAG conventionnel.

Outils⚡Actu

1 source

48

Illustration générée par IA

8313Le Big Data 

L’IA, bientôt une ressource payante comme l’eau et l’électricité ? Le plan d’OpenAI

Sam Altman, PDG d'OpenAI, a esquissé lors du BlackRock Infrastructure Summit à Washington une vision radicale pour l'avenir de l'intelligence artificielle : transformer l'IA en service public tarifé à l'usage, sur le modèle de l'électricité ou de l'eau. « Nous voyons un avenir où l'intelligence sera un service public, comme l'électricité ou l'eau, et les gens nous l'achèteront au compteur », a-t-il déclaré. Une déclaration qui redéfinit la façon dont des millions d'utilisateurs quotidiens pourraient accéder à ces outils. Ce changement de paradigme n'est pas anodin. Aujourd'hui, la plupart des offres reposent sur des abonnements fixes ou un accès gratuit limité. Passer à un modèle de facturation à la consommation, par tokens, les unités de traitement des requêtes, modifierait profondément les usages. Les entreprises et particuliers ne paieraient plus pour un outil global, mais pour chaque « unité de réflexion » réellement utilisée. Cela soulève des questions d'équité : un accès monnayé à la granularité risque de concentrer les capacités les plus puissantes entre les mains des acteurs les mieux dotés financièrement. La demande croissante en puissance de calcul rend ce scénario d'autant plus plausible, et urgent. Selon Lisa Su, PDG d'AMD, la planète pourrait nécessiter plus de dix yottaflops de puissance informatique d'ici cinq ans, soit une capacité dix mille fois supérieure à celle de 2022. Or les centres de données IA consomment déjà autant d'électricité que de petites villes. D'après le cabinet Gartner, 40 % des centres d'IA pourraient faire face à des contraintes énergétiques critiques d'ici 2027 si les réseaux électriques n'évoluent pas suffisamment vite. Face à ces goulets d'étranglement, Altman envisage même une intervention des gouvernements pour arbitrer l'allocation de la puissance de calcul en cas de pénurie, avec une priorité donnée à la santé, la défense et l'éducation, reléguant les usages personnels ou créatifs au second rang. L'IA utilitaire n'est donc plus une métaphore : elle dessine un nouveau rapport de force entre États, entreprises technologiques et utilisateurs finaux.

Business⚡Actu

1 source

40

Illustration générée par IA

8314The Decoder 

Un consultant en IA utilise ChatGPT, AlphaFold et Grok pour trouver un traitement contre le cancer de son chien

Un consultant en intelligence artificielle australien a utilisé plusieurs outils d'IA, ChatGPT, AlphaFold et Grok, pour identifier un traitement potentiel contre le cancer incurable de sa chienne, Rosie. L'histoire a rapidement fait le tour du monde après avoir été relayée par des figures majeures du secteur, illustrant concrètement ce que l'IA peut accomplir aujourd'hui dans des domaines aussi sensibles que la médecine. L'impact de ce récit dépasse le simple fait divers animalier : il met en lumière la capacité des outils d'IA grand public à traiter des problèmes scientifiques complexes, normalement réservés à des équipes de chercheurs spécialisés. En combinant un LLM conversationnel (ChatGPT), un modèle de prédiction de structure protéique (AlphaFold de DeepMind) et un autre agent IA (Grok de xAI), un non-médecin a pu naviguer dans une littérature scientifique dense et formuler une piste thérapeutique cohérente. L'histoire a acquis une dimension symbolique après avoir été partagée par Greg Brockman, co-fondateur d'OpenAI, et Demis Hassabis, PDG de DeepMind, le créateur d'AlphaFold lui-même. Ces deux figures centrales de l'IA l'ont présentée comme une démonstration concrète du potentiel actuel de leurs technologies, bien au-delà des usages bureautiques habituellement mis en avant. Ce cas soulève néanmoins des questions sur la validation médicale de telles démarches : une piste identifiée par IA n'est pas un traitement cliniquement éprouvé. Il illustre cependant une tendance de fond, l'émergence d'un usage expert et personnel de l'IA dans des situations à fort enjeu émotionnel, qui pourrait redéfinir la relation entre le grand public et la recherche biomédicale.

Outils⚒Outil

1 source

48

Illustration générée par IA

8315The Information AI 

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

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

Business❧Opinion

1 source

39

Illustration générée par IA

8316The Verge AI 

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

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

LLMs⚡Actu

1 source

43

Illustration générée par IA

8317The Decoder 

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

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

Recherche❖Paper

1 source

35

Illustration générée par IA

8318MarkTechPost 

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

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

Outils⚒Outil

1 source

34

Illustration générée par IA

8319The Decoder 

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

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

Sécurité⚡Actu

1 source

42

Illustration générée par IA

832001net 

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

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

Régulation⚖Reglementation

1 source