Actualités IA — page 54

7 586 articles au fil, du plus récent au plus ancien.

34

1061The Decoder 

Alibaba dévoile Qwen-Image-3.0, capable de générer grilles d'infographies complètes et texte lisible dès dix pixels en une seule passe

Alibaba a présenté Qwen-Image-3.0, un nouveau générateur d'images développé par son équipe Qwen, capable d'accepter des instructions textuelles allant jusqu'à 4 500 tokens. Le modèle sait produire du texte lisible dans l'image jusqu'à une taille de dix pixels seulement, et prend en charge nativement douze langues. Il peut générer en une seule passe des compositions complexes comme des infographies détaillées, des documents mis en page façon LaTeX ou encore des reproductions de pages de journaux, avec une grille d'éléments cohérente et du texte intégré fidèle à la demande initiale. Cette avancée marque une étape dans la capacité des générateurs d'images à gérer du texte long et structuré, un point faible traditionnel de ces modèles qui produisaient souvent des caractères déformés ou illisibles au-delà de quelques mots. Pour les professionnels du design, du marketing ou de l'édition, la possibilité de générer directement des mises en page complexes avec du texte net pourrait accélérer certains prototypages visuels. Toutefois, l'utilité pratique reste limitée par un obstacle de taille: le résultat final est une image pixelisée, non un fichier éditable, ce qui empêche toute modification fine du texte ou de la mise en page une fois l'image produite, contrairement à des outils de conception vectorielle ou de traitement de texte classiques. Cette sortie s'inscrit dans la compétition intense que se livrent les laboratoires chinois et occidentaux sur la génération d'images par IA, où Alibaba cherche à consolider la position de sa famille de modèles Qwen face à des concurrents comme Midjourney, Stable Diffusion ou les outils d'OpenAI et de Google. La gestion de texte long et multilingue, ainsi que la composition de documents structurés, représentent un axe de différenciation stratégique alors que ces modèles visent des usages professionnels au-delà de la simple illustration. Reste à voir si Alibaba proposera à terme des formats de sortie éditables, ce qui déterminera l'adoption réelle de cette technologie dans des flux de travail créatifs concrets.

Création⚡Actu

1 source

46

1062NVIDIA AI Blog 

NVIDIA Vera Rubin améliore la performance par watt et réduit le coût par token pour ses partenaires dans le monde

Voici l'article traduit et résumé. NVIDIA a annoncé la montée en production de sa plateforme Vera Rubin NVL72, déployée chez des partenaires majeurs comme CoreWeave, Google Cloud, Microsoft Azure et Oracle Cloud Infrastructure. La chaîne d'approvisionnement s'appuie sur plus de 350 sites industriels répartis dans 30 pays, ce que NVIDIA présente comme la chaîne logistique rack-scale la plus vaste et la plus mature jamais assemblée. Selon un premier benchmark de CoreWeave sur le modèle DeepSeek-R1, la plateforme atteint un débit dix fois supérieur par mégawatt comparé à la génération précédente Grace Blackwell NVL72. Le système repose sur une co-conception poussée de sept puces et cinq plateaux de rack, dont le nouveau CPU Vera doté d'un cœur Olympus offrant deux fois les performances mono-thread, trois fois la bande passante inter-cœurs et une latence mémoire réduite de 40% par rapport aux puces chiplet concurrentes. Côté réseau, l'interconnexion NVLink de sixième génération double le débit sur les charges complexes tout en réduisant la latence par trois, et le réseau Spectrum-X Ethernet, combiné aux commutateurs Spectrum-6 et aux SuperNIC ConnectX-9, apporte 60% de bande passante RDMA supplémentaire face aux solutions Ethernet standards. Cette avancée compte avant tout parce qu'elle s'attaque directement au principal goulot d'étranglement des centres de données d'intelligence artificielle actuels: la consommation électrique. En multipliant par dix le débit par mégawatt, NVIDIA permet aux opérateurs de data centers de traiter davantage de requêtes sans construire de nouvelles centrales ou étendre leurs capacités énergétiques, un enjeu critique alors que la demande en calcul explose. L'architecture sans câbles, ventilateurs ni tuyaux dans les plateaux de calcul réduit le temps d'assemblage de plusieurs heures à une seule minute, tandis que le refroidissement liquide fonctionnant à 45°C en entrée permet un fonctionnement sans réfrigérateur, économisant des millions de litres d'eau par mégawatt chaque année. Des géants comme SpaceX et Tesla figurent parmi les premiers à adopter les commutateurs Spectrum-6, signe que cette technologie dépasse le seul cadre du cloud pour toucher l'IA embarquée et les infrastructures propriétaires. Le contexte européen illustre l'ampleur stratégique de ce déploiement: mardi 21 juillet, NVIDIA a dévoilé un partenariat élargi entre Microsoft et Mistral AI, doté d'un accord pluriannuel évalué en milliards de dollars pour développer les infrastructures IA en Europe. Mistral ajoutera des milliers de GPU Vera Rubin à sa capacité de calcul, créant une plateforme partagée pour l'entraînement et le déploiement de modèles ouverts, tout en donnant aux gouvernements et industries régulées un contrôle accru sur leurs environnements. Cette initiative s'inscrit dans une compétition mondiale où les fabricants de puces cherchent à équiper les hyperscalers tout en répondant aux exigences de souveraineté numérique, un sujet particulièrement sensible en Europe. Avec NVLink Fusion ouvrant également son écosystème aux puces tierces, NVIDIA cherche à consolider sa position d'infrastructure de référence face à une concurrence croissante dans la course aux capacités de calcul IA.

Infrastructure⚡Actu

1 source

36

1063The Information AI 

Anthropic mise sur les robots, Nvidia accélère avec Vera Rubin

Le week-end dernier, le blogueur tech Robert Scoble a affirmé qu'Anthropic était en train de racheter Physical Intelligence, une entreprise spécialisée dans les logiciels de robotique IA qui négociait récemment une levée de fonds valorisant la société à 11 milliards de dollars. Cette annonce a enflammé X, mais elle s'est révélée en partie inexacte. Karol Hausman, PDG de Physical Intelligence, a démenti l'information auprès de ses employés sur Slack, en partageant un gif tiré de la série The Office montrant un personnage secouer la tête en signe de négation, selon une personne ayant vu le message. La rumeur n'était toutefois pas totalement infondée : Anthropic et Physical Intelligence ont bien entamé des discussions préliminaires de rachat au printemps dernier, sans que celles-ci n'aboutissent, d'après une source proche des dirigeants de Physical Intelligence. Un tel rapprochement pourrait surprendre, Anthropic s'étant jusqu'ici concentrée sur le développement d'IA pour le code et les entreprises plutôt que sur la robotique physique. L'hypothèse n'est pourtant pas absurde : une partie de la communauté des chercheurs en IA estime qu'un système ne peut prétendre à une véritable superintelligence sans comprendre les lois physiques du monde réel. Même après avoir ingéré la quasi-totalité des textes disponibles sur internet, les grands modèles de langage continuent de peiner sur des tâches élémentaires de raisonnement spatial, faute d'expérience concrète du monde physique. Cet épisode illustre un enjeu plus large pour l'industrie de l'IA : le passage du texte et du code vers l'incarnation physique des modèles, à travers la robotique, apparaît de plus en plus comme la prochaine frontière pour les laboratoires les plus ambitieux. Physical Intelligence, déjà soutenue par des investisseurs de premier plan et valorisée à plusieurs milliards de dollars, reste un acteur clé de ce secteur émergent. Que des discussions aient eu lieu avec Anthropic, même sans suite, suggère que les grands laboratoires d'IA générale surveillent de près les acquisitions dans la robotique, un domaine où la compétition pourrait s'intensifier dans les prochains mois.

Business⚡Actu

1 source

37

1064NVIDIA AI Blog 

NVIDIA Spectrum-6, concu pour Vera Rubin, arrive dans les usines a IA a l'echelle gigascale

NVIDIA a annoncé le déploiement de Spectrum-6, un système de commutation Ethernet capable d'atteindre 102,4 térabits par seconde, soit le double de la capacité de la génération précédente. Conçu comme un élément central de la plateforme NVIDIA Vera Rubin, ce système s'installe désormais dans les plus grandes usines d'IA du monde, celles qui rassemblent des centaines de milliers de GPU et de CPU pour entraîner des modèles de pointe et faire fonctionner des applications d'IA agentique. Spectrum-6 s'appuie sur une puce de commutation associée à la carte réseau ConnectX-9 SuperNIC, et s'intègre à l'architecture Vera Rubin aux côtés du CPU Vera, du GPU Rubin, du commutateur NVLink 6 et du DPU BlueField-4. Le système prend en charge à la fois l'optique enfichable et l'optique co-packagée, ainsi que le refroidissement liquide, ce qui permet une approche de refroidissement de bout en bout pour l'ensemble de l'infrastructure tout en améliorant l'efficacité énergétique du réseau. Parmi les premiers acteurs à adopter cette technologie figurent CoreWeave, Microsoft, Nebius, SpaceX/xAI et Tesla. Cette évolution répond à un problème devenu central dans l'IA à grande échelle : la performance brute des GPU ne suffit plus à prédire la performance globale d'une usine d'IA. Les charges de travail d'entraînement et d'inférence à grande échelle dépendent de milliers d'accélérateurs qui échangent des données en permanence, via des opérations de communication collective qui synchronisent le travail entre GPU. Or l'Ethernet classique a été conçu pour du trafic nord-sud entre utilisateurs, serveurs et stockage, pas pour ces schémas de communication massivement parallèles. En transformant l'Ethernet en une infrastructure réseau taillée pour l'IA, Spectrum-X promet de maintenir chaque GPU alimenté en données en continu. Pour les fournisseurs cloud, cela signifie pouvoir faire fonctionner davantage de capacité de calcul comme une ressource unifiée et performante, accélérant l'entraînement des modèles et le déploiement des services d'inférence pour leurs clients. Pour les acteurs qui construisent leur propre infrastructure, cela se traduit par plus de GPU synchronisés, une meilleure utilisation lors des opérations collectives intensives et davantage de résilience pour les tâches de longue durée. Selon Min Jun, directeur produit réseau chez CoreWeave, l'intégration de Spectrum-6 et de l'infrastructure Spectrum-X Ethernet à refroidissement liquide doit apporter la bande passante, la résilience et l'efficacité nécessaires pour entraîner des modèles de pointe plus rapidement. Laurelle Roseman, vice-présidente des partenariats mondiaux chez Nebius, souligne qu'à cette échelle, la performance dépend avant tout de la coordination entre GPU, un seul lien lent pouvant bloquer l'ensemble d'une tâche. CoreWeave, Microsoft et Nebius comptent parmi les premiers fournisseurs à déployer une infrastructure basée sur Vera Rubin avec Spectrum-6, ouvrant l'accès à cette plateforme à une large communauté de développeurs, de startups et d'entreprises.

Infrastructure⚡Actu

1 source

41

1065The Information AI 

Mercor doit sa croissance rapide aux plus grandes entreprises d'IA, selon des documents

Mercor, une start-up spécialisée dans la donnée pour l'entraînement de l'IA, connaît une croissance rapide mais reste fortement dépendante des grands laboratoires d'intelligence artificielle, selon des documents financiers consultés par The Information. Fondée il y a trois ans, l'entreprise emploie une armée de contractuels chargés d'apprendre aux modèles d'IA à fournir de meilleures réponses. Sur le premier semestre de l'année, Mercor a généré 614 millions de dollars de revenus bruts, soit une hausse de 70% par rapport à l'ensemble de l'année précédente. Environ 91% de ces revenus proviennent des créateurs de modèles de fondation. Parmi ses principaux clients, la société cite OpenAI, Anthropic et Google DeepMind, ainsi que des laboratoires plus récents comme Reflection AI, spécialiste de l'open-source, et Thinking Machines Lab. Cette dépendance concentrée illustre un phénomène plus large dans l'écosystème de l'IA générative : la valeur créée par les start-ups de données d'entraînement repose presque entièrement sur les dépenses d'un petit nombre d'acteurs dominants. Pour Mercor, cela signifie une croissance spectaculaire tant que ces géants continuent d'investir massivement dans l'amélioration de leurs modèles, mais aussi une vulnérabilité structurelle si l'un de ces clients réduit ses commandes ou internalise ce travail. Pour l'industrie, cet exemple confirme l'appétit sans précédent des laboratoires d'IA pour les données d'entraînement de qualité, produites par des humains, un maillon jugé essentiel pour affiner les réponses des modèles. Ce modèle économique s'inscrit dans une compétition effrénée entre laboratoires d'IA, où OpenAI, Anthropic et Google DeepMind rivalisent pour améliorer leurs modèles via le renforcement par retour humain. L'arrivée de nouveaux clients comme Reflection AI ou Thinking Machines Lab, cette dernière fondée par d'anciens cadres d'OpenAI, montre que la demande s'étend au-delà des poids lourds historiques. Reste à savoir si Mercor parviendra à diversifier sa clientèle pour réduire sa dépendance envers une poignée de géants technologiques, dans un secteur où les besoins en données évoluent aussi vite que les modèles eux-mêmes.

Business⚡Actu

1 source

40

1066AI News 

L'effet machine à sous de l'IA : pourquoi les fils générés perturbent le travail en profondeur (et comment retrouver sa concentration)

Une nouvelle analyse publiée en 2026 met en lumière un phénomène baptisé "l'effet machine à sous" de l'intelligence artificielle générative, qui perturberait la concentration des travailleurs du savoir. Le constat de départ est simple : un professionnel ouvre un outil d'IA générative pour une tâche rapide, et se retrouve dix minutes plus tard en train de reformuler un prompt pour la quatrième fois, ayant perdu de vue son objectif initial. Une revue consacrée au déploiement de l'IA dans les médias numériques a montré que ces plateformes sont "mathématiquement optimisées pour maximiser le temps passé sur le site", les contenus à forte charge émotionnelle surpassant systématiquement les réponses sobres et factuelles. Sur le plan des performances, une étude publiée cette année par le MIT Technology Review a mesuré des gains de productivité de 14% dans le service client et de 26% dans le développement logiciel, mais des retours nettement plus faibles sur les tâches complexes nécessitant du jugement. Le Stanford AI Index 2026 confirme par ailleurs un taux d'adoption de l'IA de 88% dans les entreprises, l'industrie étant à l'origine de la majorité des modèles de pointe publiés l'année précédente. Ce mécanisme s'apparente à une boucle de récompense variable, comparable à celles étudiées depuis des années dans les machines à sous et les réseaux sociaux : chaque réponse légèrement améliorée procure une satisfaction suffisante pour donner envie de continuer, sans jamais être décisive. Cette dynamique grignote silencieusement les plages de travail profond que les professionnels s'étaient réservées, tout en donnant l'illusion d'être productif. Le New York Times a d'ailleurs rapporté des études montrant que ces outils "ne réduisaient pas la charge de travail, mais l'intensifiaient systématiquement", contredisant le discours dominant sur les gains d'efficacité de l'IA. Les signes de cette fragmentation de l'attention sont multiples : une simple clarification qui se transforme en un échange de six messages, des délais qui s'allongent car chaque résultat nécessite plusieurs corrections, des notifications et suggestions qui interrompent le fil de pensée, et une fatigue ressentie en fin de session malgré une synthèse réelle très limitée. Ce paradoxe s'explique par le modèle économique des plateformes d'IA générative, qui ont tout intérêt à maximiser le temps de connexion plutôt qu'à permettre une fermeture rapide de la tâche. Les logiques de recommandation et les flux conversationnels sont ainsi conçus pour produire des variations instantanées et peu coûteuses, entretenant l'engagement plutôt que l'efficacité. Face à ce constat, certains professionnels réagissent en mettant en place des bloqueurs de sites pour imposer des limites strictes autour des onglets et flux distrayants, afin de préserver les plages de concentration ininterrompue qu'exige un travail de qualité.

Société❧Opinion

1 source

45

1067MIT Technology Review 

« The Download » : la Maison Blanche divisée sur l'IA chinoise, et un versement record pour des droits d'auteur

Des tensions inédites secouent l'entourage de Donald Trump autour de l'intelligence artificielle chinoise. Le week-end dernier, plusieurs conseillers actuels et anciens du président américain se sont publiquement écharpés au sujet de la stratégie IA à adopter face à la Chine. David Sacks a qualifié les modèles d'Anthropic de "lobotomisés" et "woke", tandis qu'Emil Michael, haut responsable du Pentagone, a traité le nouveau responsable des perspectives stratégiques d'OpenAI d'"idiot du village suprême". L'origine de la dispute : Kimi, un modèle gratuit et open source lancé la semaine dernière par l'entreprise chinoise Moonshot, dont les performances semblent rivaliser avec celles d'OpenAI et d'Anthropic, pourtant payants. Par ailleurs, le règlement record de 1,5 milliard de dollars conclu par Anthropic dans une action collective pour violation de droits d'auteur, liée à l'utilisation d'œuvres piratées pour entraîner Claude, vient d'être validé par la justice, constituant le plus important versement de ce type jamais enregistré. Cette convergence d'événements révèle à quel point la concurrence chinoise en IA bouscule l'équilibre politique et économique américain. Chaque nouveau modèle chinois performant et gratuit réduit l'incitation des entreprises américaines à payer pour les services d'OpenAI ou d'Anthropic, ce qui fragilise leur modèle économique et complique la position de Washington. L'administration Trump envisagerait désormais une interdiction des modèles d'IA chinois, une option qui divise ses propres experts, certains, comme l'investisseur Chamath Palihapitiya, jugeant qu'une telle intervention serait "profondément contre-productive". De son côté, Pékin réfléchirait à durcir ses contrôles à l'export sur les modèles et les puces d'IA, afin d'empêcher l'Occident de s'approprier sa technologie et ses start-ups, et aurait déjà entamé des discussions avec les entreprises technologiques chinoises à ce sujet. Ce climat de rivalité stratégique s'accompagne d'autres remous dans l'écosystème IA américain. Chris Fall, qui dirigeait depuis avril l'institut fédéral de sécurité de l'IA (CAISI), a démissionné après seulement trois mois, sans que les raisons de son départ soient précisées. Sur le plan matériel, Google développerait une nouvelle puce baptisée "Frozen V2" destinée à faire tourner ses modèles Gemini plus efficacement, avec un déploiement prévu pour 2028, une annonce qui a fait bondir l'action Alphabet en bourse. En Europe, l'Union européenne a par ailleurs infligé à AliExpress une amende record de 550 millions d'euros pour la vente de produits dangereux, la sanction la plus lourde jamais prononcée au titre du Digital Services Act ; Alibaba a annoncé faire appel de cette décision. L'ensemble de ces développements illustre combien la course à l'IA redessine simultanément les rapports de force géopolitiques, juridiques et industriels.

Business⚡Actu

1 source

45

1068Le Big Data 

IREN : pourquoi la demande en infrastructures IA dépasse déjà les capacités disponibles ?

Le fournisseur de cloud IA IREN a annoncé le 20 juillet 2026 avoir signé 2,8 milliards de dollars de nouveaux contrats pluriannuels avec des développeurs d'intelligence artificielle. L'entreprise relève dans la foulée son objectif de chiffre d'affaires annuel récurrent (ARR) pour l'IA Cloud, désormais fixé à plus de 4 milliards de dollars d'ici la fin 2026, contre 3,7 milliards précédemment, avec environ 85 % de ce montant déjà sécurisé. Mais l'information la plus significative concerne la demande elle-même : elle dépasse désormais non seulement les capacités actuelles d'IREN, mais aussi celles prévues pour 2026 et 2027. En un an, la capacité de cloud IA développée en interne par l'entreprise est passée d'environ 3 mégawatts (MW) à 480 MW, avec un objectif de 1,2 gigawatt (GW) d'ici 2027. Parmi les clients ayant réservé des capacités figurent Nvidia, Microsoft, Perplexity, Together AI, Figure AI et Fireworks AI. IREN a également commandé pour environ 1,6 milliard de dollars de systèmes Nvidia Blackwell auprès de Dell afin de soutenir cette expansion. Ce niveau de tension confirme l'émergence de ce que le cofondateur d'IREN, Daniel Roberts, décrit comme le time-to-compute : la capacité à obtenir rapidement des GPU devient un avantage concurrentiel à part entière pour les entreprises qui développent des modèles d'IA. Le fait que des clients réservent des capacités avant même leur mise en service illustre l'ampleur de la pénurie. IREN dit rester volontairement sélectif dans l'attribution de ses ressources afin de diversifier sa clientèle, malgré l'afflux continu de demandes venant d'hyperscalers, d'entreprises et de laboratoires de recherche. Signe supplémentaire de cette tension, les nouveaux contrats prévoient des acomptes clients couvrant environ 45 % des dépenses d'investissement liées aux GPU, une pratique encore rare il y a quelques années qui réduit les besoins de financement d'IREN et montre à quel point l'accès au calcul est devenu critique pour l'ensemble de la chaîne. IREN n'est pas un cas isolé : tout le secteur des infrastructures IA fait face aux mêmes contraintes. L'explosion de la demande pour les GPU Nvidia Blackwell pousse les opérateurs à investir massivement dans de nouveaux centres de données, et Nvidia soutient directement le développement de plusieurs gigawatts d'infrastructures avec IREN. Mais les puces ne sont qu'une partie de l'équation : chaque nouveau site nécessite des terrains adaptés, des raccordements électriques capables de fournir plusieurs centaines de mégawatts, et des délais de construction souvent étalés sur plusieurs années, rendant la disponibilité de l'électricité aussi stratégique que celle des processeurs graphiques. Le jour même de l'annonce d'IREN, le concurrent Hut 8 a dévoilé un contrat de 9,8 milliards de dollars pour son campus texan dédié à l'IA, preuve que cette pression sur les capacités touche l'ensemble du marché et non un seul acteur.

Infrastructure❧Opinion

1 source

43

1069Le Big Data 

xAI traîne un utilisateur en justice pour création d’images porno de mineurs avec Grok

xAI, la société d'intelligence artificielle fondée par Elon Musk, a déposé mardi une plainte devant un tribunal fédéral du Texas contre un utilisateur de son chatbot Grok. L'accusé, Terry Harwood, un homme de Caroline du Sud déjà arrêté cette année dans le cadre d'une enquête pour exploitation sexuelle de mineurs, aurait détourné Grok pour générer des images à caractère sexuel impliquant des mineurs. Selon la plainte, il aurait importé des photos ordinaires d'adultes et de mineurs dans l'outil, puis tenté de les transformer en contenus sexuellement explicites grâce à l'intelligence artificielle. xAI l'accuse également d'avoir créé des deepfakes pornographiques mettant en scène des adultes sans leur consentement. L'entreprise réclame des dommages et intérêts, dont le montant n'a pas été précisé, ainsi qu'une interdiction permanente empêchant Harwood d'utiliser Grok à l'avenir. Cette action en justice marque un tournant notable : il s'agit de l'une des premières procédures intentées par une société d'IA directement contre l'un de ses propres utilisateurs pour ce type d'abus, plutôt que de se contenter d'une suspension de compte. Pour xAI, l'enjeu dépasse le cas individuel : la société cherche à démontrer qu'elle prend au sérieux les usages criminels de sa technologie, dans un contexte où sa responsabilité juridique et réputationnelle est directement engagée. Pour l'industrie de l'IA générative dans son ensemble, cette affaire illustre la difficulté croissante à empêcher le détournement d'outils grand public à des fins d'exploitation sexuelle, qu'il s'agisse de mineurs ou d'adultes visés par des deepfakes non consentis. Elle pourrait aussi inciter d'autres entreprises du secteur à judiciariser davantage leurs politiques de modération plutôt que de se limiter à des sanctions internes. Cette plainte intervient alors que xAI est déjà sous surveillance concernant les garde-fous de Grok. Ces derniers mois, la société avait été critiquée après des révélations selon lesquelles son chatbot aurait permis la création de deepfakes sexuels non consentis reproduisant l'apparence de personnes réelles. Dans sa plainte, xAI rappelle qu'elle lutte contre ces dérives en suspendant ou supprimant les comptes fautifs, et qu'elle signale les contenus suspects d'exploitation sexuelle de mineurs au Centre national américain pour les enfants disparus et exploités (NCMEC). L'affaire s'inscrit dans un débat plus large sur la responsabilité des entreprises d'IA générative face aux usages détournés de leurs outils, à un moment où les régulateurs, aux États-Unis comme ailleurs, s'interrogent sur l'encadrement légal des deepfakes et des contenus pédopornographiques générés par IA.

Régulation⚡Actu

1 source

45

1070Le Big Data 

Avec ce rachat à 587 millions de dollars, Netflix accélère la course à l’IA dans le cinéma

Netflix a confirmé avoir déboursé 587 millions de dollars en numéraire pour racheter InterPositive, la start-up cofondée par Ben Affleck spécialisée dans les technologies d'intelligence artificielle appliquées à la production audiovisuelle. Ce montant est révélé dans un formulaire 10-Q déposé auprès de la SEC, le régulateur boursier américain, dans le cadre de la publication des derniers résultats financiers du groupe. Ce dépôt réglementaire met fin aux spéculations qui évoquaient jusqu'ici une transaction proche de 600 millions de dollars. L'opération avait en réalité été conclue dès le mois de mars, Netflix ayant alors précisé que l'ensemble des équipes d'InterPositive rejoindraient le groupe, tandis que Ben Affleck occuperait un rôle de conseiller principal. Lors de la présentation de ses résultats trimestriels, l'entreprise a également indiqué qu'environ 300 de ses productions avaient déjà eu recours à des outils d'IA générative, principalement lors des étapes de post-production, ce qui montre que Netflix exploitait cette technologie bien avant d'en devenir propriétaire. Cette acquisition ne vise pas à remplacer les réalisateurs ou les équipes créatives par l'intelligence artificielle. InterPositive développe des outils destinés à assister les tournages et la post-production : recréer des plans manquants, remplacer un décor, corriger un problème d'éclairage ou assurer la continuité visuelle entre plusieurs scènes. Selon Ben Affleck, l'objectif est de « protéger le pouvoir de la créativité humaine grâce à des outils qui automatisent les tâches les plus coûteuses ou répétitives sans remettre en cause le rôle des créateurs ». Pour Netflix, l'enjeu est concret : en internalisant cette technologie plutôt qu'en continuant à faire appel à des prestataires externes, la plateforme réduit ses coûts, accélère ses délais de production et peut déployer ces outils à grande échelle sur ses centaines de films, séries et documentaires produits chaque année, sans modifier le travail des équipes créatives sur le terrain. Ce rachat illustre un déplacement plus large de la compétition autour de l'intelligence artificielle. Après plusieurs années centrées sur les grands modèles de langage, les infrastructures cloud et les fabricants de puces comme NVIDIA, les géants de la tech réorientent désormais leurs investissements vers des applications qui transforment directement des métiers entiers. Hollywood devient ainsi l'un des premiers terrains où l'IA s'intègre concrètement aux processus de création, ce qui explique pourquoi d'autres acteurs du secteur, comme Amazon ou Disney, explorent eux aussi l'intégration de ces technologies dans leurs propres pipelines de production. Reuters soulignait que la vision défendue par Ben Affleck, celle d'une IA au service des créateurs plutôt qu'en concurrence avec eux, avait largement motivé ce rapprochement entre les deux entreprises. Hollywood surveille néanmoins de très près cette évolution, sensible aux questions d'emploi et de reconnaissance du travail créatif que soulève l'essor de ces outils dans l'industrie du cinéma.

Business⚡Actu

1 source

30

1071InfoQ AI 

Présentation : concevoir une IA créative et curieuse sur mobile

Bhavuk Jain, ingénieur chez Google, a présenté les coulisses techniques de deux produits d'intelligence artificielle grand public déployés à grande échelle sur mobile : AI Wallpapers et Circle to Search. Dans son intervention, il détaille comment son équipe transforme des modèles d'IA fondamentaux en fonctionnalités utilisables au quotidien par des millions d'utilisateurs Android. Il aborde notamment la mise en place de garde-fous à l'exécution (runtime guardrails) pour sécuriser les sorties du modèle, les techniques de fine-tuning appliquées à ces cas d'usage spécifiques, ainsi que l'intégration profonde de ces outils au système d'exploitation mobile. Cette présentation s'adresse en priorité aux responsables techniques confrontés à un défi commun dans l'industrie : faire cohabiter les contraintes d'expérience utilisateur avec la latence des modèles d'IA et le coût de l'infrastructure nécessaire pour les faire tourner. Livrer une IA à la fois fiable et sûre sur des appareils mobiles, où les ressources sont limitées et où l'utilisateur attend une réponse quasi instantanée, reste un exercice d'équilibriste technique et économique. Les choix d'architecture présentés ici offrent un cas d'étude concret pour toute équipe cherchant à industrialiser des fonctionnalités d'IA générative au-delà du prototype. Circle to Search et AI Wallpapers illustrent une tendance de fond chez les grands acteurs technologiques : l'intégration native de l'IA générative directement dans le système d'exploitation plutôt que dans des applications tierces séparées. Cette approche pose des défis spécifiques en matière de sécurité des contenus générés, de gestion des coûts de calcul à grande échelle et de cohérence de l'expérience utilisateur sur des millions d'appareils simultanément. L'intervention de Jain s'inscrit dans un ensemble plus large de retours d'expérience d'ingénieurs confrontés au passage de la recherche en IA à des produits industriels robustes et sécurisés.

Outils⚡Actu

1 source

31

1072AI News 

Bristol Myers Squibb achète un système IA Nvidia pour la découverte de médicaments

Bristol Myers Squibb va acquérir un supercalculateur Nvidia DGX SuperPOD reposant sur l'architecture Vera Rubin, tout juste dévoilée cette année par Nvidia comme la relève de sa génération actuelle de systèmes d'intelligence artificielle. Le laboratoire pharmaceutique affirme être la première entreprise du secteur des sciences de la vie à s'équiper d'un DGX SuperPOD basé sur cette architecture. Le nouveau cluster comprendra huit systèmes DGX Vera Rubin NVL72, chacun combinant les processeurs Vera et les puces graphiques Rubin de Nvidia à l'échelle d'un rack complet. Le montant de la transaction n'a pas été communiqué. Cette acquisition vient compléter l'infrastructure Nvidia déjà utilisée par BMS, qui exploite depuis environ trois ans un SuperPOD antérieur, aujourd'hui jugé deux à trois générations en retard par les dirigeants de l'entreprise. Les deux systèmes seront réunis au sein d'un environnement de calcul partagé, accessible depuis l'ensemble des sites de recherche du groupe dans le monde, avec une pile logicielle capable de répartir automatiquement les charges d'entraînement, de prédiction et de développement. Cette montée en puissance répond à une saturation de l'infrastructure actuelle. Erin Davis, vice-présidente en charge des technologies et des données de recherche chez BMS, explique que la demande croissante provient des prédictions à grande échelle sur les grosses molécules ainsi que du développement de modèles de fondation internes. Selon Greg Meyers, directeur digital et technologique de BMS, les besoins en puissance de calcul ont explosé à mesure que l'entreprise déploie des modèles d'IA toujours plus volumineux dans ses équipes de recherche. Concrètement, l'IA intervient désormais dans la conception de tous les programmes portant sur de petites molécules et de la majorité de ceux portant sur de grosses molécules, notamment pour l'identification de cibles thérapeutiques, l'optimisation de candidats médicaments et les prédictions moléculaires. BMS indique que l'identification de cibles assistée par IA a permis de réduire de plusieurs semaines certaines tâches de recherche manuelles. Surtout, l'accès à cette puissance de calcul sera désormais ouvert à l'ensemble de l'organisation de recherche, sans les délais d'attente ni les restrictions d'accès qui limitaient jusqu'ici l'usage aux seuls chercheurs spécialisés en calcul. Robert Plenge, directeur de la recherche chez BMS, illustre l'ampleur du changement attendu : là où l'entreprise pouvait auparavant évaluer une dizaine de candidats médicaments lors des premières étapes de développement, elle pourra désormais en tester des dizaines. Cette capacité s'appuie sur une méthode maison baptisée "Predict First", qui utilise des prédictions générées par des modèles pour écarter en amont les molécules ne répondant pas aux critères requis, avant même leur synthèse en laboratoire. Payal Sheth, vice-présidente senior chargée des sciences de découverte thérapeutique, précise que ces prédictions permettent de prioriser la synthèse des molécules présentant la combinaison de propriétés recherchée, afin de concentrer les expérimentations coûteuses sur les candidats ayant la plus forte probabilité de succès. BMS a également utilisé l'IA pour étoffer sa bibliothèque de composés CELMoD, conçus pour dégrader sélectivement les protéines impliquées dans le développement de cancers.

Infrastructure⚡Actu

1 source

34

1073Le Big Data 

[Vidéo]Google Omni vs Seedance 2.0 vs Kling 3.0 : quel générateur vidéo IA s’impose ?

Google Omni, Seedance 2.0 et Kling 3.0, trois générateurs vidéo par intelligence artificielle, ont été confrontés lors d'un comparatif direct destiné à évaluer leurs performances en conditions réelles. Le test s'appuie sur trois catégories de contenu distinctes : la fantaisie, la physique complexe appliquée à des animaux en mouvement, et la publicité au format UGC (contenu généré par les utilisateurs). Chaque catégorie sollicite des compétences différentes chez ces outils, qu'il s'agisse de la cohérence visuelle d'une scène, du rendu des textures, de la fluidité des mouvements ou de la qualité cinématographique du résultat final. Les vidéos produites par les trois générateurs ont été présentées côte à côte, sans retouche ni filtre, afin de permettre une comparaison directe et transparente des rendus obtenus à partir des mêmes prompts. Ce type de comparatif répond à un besoin concret pour les créateurs de contenu, qui doivent choisir entre plusieurs outils d'IA générative vidéo sans toujours disposer de critères objectifs. Les résultats montrent qu'aucun des trois outils ne domine sur l'ensemble des catégories testées : un générateur peut exceller sur des scènes fantastiques tout en se révélant moins convaincant sur un rendu UGC, et inversement pour un autre. Cette disparité de performance selon le type de contenu a une implication directe pour les professionnels du secteur, qui doivent adapter leur choix d'outil non pas à une préférence générale mais au projet spécifique qu'ils souhaitent réaliser, la qualité du prompt soumis à l'IA jouant elle aussi un rôle déterminant dans le résultat final. La multiplication de ces outils de génération vidéo par IA, portés par des acteurs comme Google avec Omni ou par les équipes derrière Seedance et Kling, illustre l'intensification de la concurrence sur ce segment technologique en pleine expansion. Face à la diversité des modèles disponibles et à l'absence de standard unique de qualité, les comparatifs indépendants comme celui-ci deviennent un outil d'aide à la décision pour les créateurs et les entreprises. Ils permettent de mettre en lumière les forces et faiblesses spécifiques de chaque solution, dans un marché où les mises à jour de versions, à l'image de Kling 3.0 ou Seedance 2.0, se succèdent rapidement et redistribuent régulièrement les positions concurrentielles entre les différents éditeurs.

Création⚒Outil

1 source

41

1074The Decoder 

Xiaomi-Robotics-1 montre que plus de données valent mieux que des modèles plus grands pour entraîner des robots à se déplacer

Xiaomi a entraîné son modèle Xiaomi-Robotics-1 en s'appuyant sur plus de 100 000 heures de données de mouvement, collectées non pas via des robots mais grâce à des humains munis de préhenseurs portatifs équipés de caméras. Cette méthode permet de capturer des gestes naturels et variés à moindre coût, sans mobiliser de flottes de robots physiques pour l'entraînement. Le constat central de l'étude est clair : augmenter le volume de données a bien plus amélioré les performances du modèle que d'agrandir sa taille. Les chercheurs de Xiaomi notent également que les gains de performance n'ont pas encore atteint de plateau, ce qui suggère qu'il existe encore une marge de progression significative en continuant simplement à collecter davantage de données. Ce résultat a une portée importante pour l'industrie de la robotique, où le débat entre "scaling" des modèles et scaling des données reste vif, à l'image des discussions similaires dans le monde des grands modèles de langage. Si la donnée prime sur la taille du modèle, cela change la stratégie d'investissement des entreprises du secteur : plutôt que de construire des architectures toujours plus massives et coûteuses en calcul, il devient plus rentable de financer des campagnes de collecte de données à grande échelle. Toutefois, l'article souligne une limite de taille : les taux de réussite absolus des tâches restent faibles, ce qui rappelle que la robotique généraliste est encore loin d'une maturité comparable à celle du traitement du langage. Cette approche s'inscrit dans une tendance plus large de l'industrie à chercher des méthodes de collecte de données moins coûteuses que le télé-opération classique de robots, qui nécessite du matériel spécialisé et des opérateurs formés. En utilisant des préhenseurs portables, Xiaomi rejoint d'autres acteurs explorant des pipelines de données "human-first" pour l'apprentissage robotique. La question qui reste ouverte est de savoir jusqu'où cette courbe de progression liée aux données peut se poursuivre avant de rencontrer d'autres obstacles, comme la diversité des environnements réels ou la fiabilité physique des robots déployés hors laboratoire.

Robotique❖Paper

1 source

47

1075Next INpact 

Attaquée par un agent IA autonome, Hugging Face a analysé les traces avec un LLM local

Attaquée par un agent IA autonome, Hugging Face a analysé les traces avec un LLM local Hugging Face a publié le 16 juillet 2026 un rapport de divulgation détaillant une intrusion survenue dans une partie de son infrastructure de production. L'entreprise précise que cette attaque a été menée de bout en bout par un système d'agent IA autonome et que l'incident a lui-même été détecté et analysé en grande partie par sa propre intelligence artificielle. Les attaquants ont obtenu un accès non autorisé à un ensemble limité de jeux de données internes ainsi qu'à plusieurs identifiants utilisés par les services de la plateforme, tandis que l'évaluation de l'impact sur les données de partenaires et de clients reste en cours. Aucune preuve d'altération des modèles, des jeux de données ou des Spaces publics n'a été trouvée, et la chaîne d'approvisionnement logicielle, images de conteneurs et paquets publiés compris, a été vérifiée saine. Le point d'entrée se situait dans le pipeline de traitement des datasets : un jeu de données malveillant a exploité deux failles, un chargeur vulnérable à l'exécution de code distant et une injection de template dans un fichier de configuration, pour exécuter du code sur un serveur de traitement, avant que les pirates n'obtiennent un accès au niveau du nœud, récupèrent des identifiants cloud et se déplacent latéralement dans plusieurs clusters internes durant plusieurs jours. Cet incident matérialise un scénario que le secteur de la cybersécurité anticipait depuis plusieurs mois : celui d'un attaquant entièrement agentique, capable d'enchaîner des milliers d'actions sans intervention humaine directe. L'identité des auteurs reste inconnue, mais Hugging Face évoque une campagne pilotée par un framework d'agents autonomes, probablement construit sur un harnais de recherche en sécurité offensive, bien que le modèle de langage utilisé n'ait pas été identifié. Ce framework a exécuté plusieurs milliers d'actions individuelles via des sandbox éphémères, coordonnées par un serveur de commande et contrôle auto-migrant hébergé sur des services publics légitimes, ce qui complique la détection et l'attribution. Pour une plateforme qui héberge des centaines de milliers de modèles et de jeux de données utilisés par toute l'industrie de l'IA, l'enjeu n'est plus seulement de se défendre contre des attaquants humains, mais de résister à des agents capables d'agir en autonomie, à grande échelle, sur des surfaces d'attaque complexes. Hugging Face indique avoir corrigé les failles d'exécution de code ayant permis l'intrusion initiale, supprimé le point d'ancrage des attaquants, reconstruit les nœuds compromis, révoqué et régénéré les identifiants touchés, déclenché une rotation préventive plus large de ses secrets, et renforcé les contrôles d'admission sur ses clusters, avec pour objectif de détecter les alertes critiques en quelques minutes. L'entreprise dit travailler avec des spécialistes externes en analyse forensique et avoir signalé l'incident aux autorités judiciaires. Ce n'est pas une première pour la plateforme : en juin 2024, elle avait déjà averti qu'un sous-ensemble de ses secrets avait été dérobé et que des accès non autorisés avaient été détectés dans certains Spaces, recommandant alors le renouvellement de tous les jetons et clés d'authentification. L'épisode s'inscrit dans un climat où l'IA générative bouleverse la cybersécurité des deux côtés du front, offensif avec ce type d'agent autonome, mais aussi défensif, à mesure que des modèles comme Mythos d'Anthropic, accessibles via le programme Glasswing à un nombre restreint d'organisations, sont utilisés pour repérer des vulnérabilités avant qu'elles ne soient exploitées.

Sécurité⚡Actu

1 source

42

1076Le Big Data 

Pourquoi Microsoft mise davantage sur AMD pour développer Azure AI ?

Microsoft et AMD ont annoncé le 20 juillet 2026 un élargissement de leur partenariat stratégique pour équiper le cloud Azure. Cet accord porte sur l'intégration de la plateforme AMD Helios, qui combine les futurs GPU Instinct MI455X, les processeurs EPYC de sixième génération portant le nom de code « Venice », les unités de traitement de données (DPU) Pensando et la pile logicielle ROCm. Microsoft prévoit de déployer cette infrastructure dès le second semestre 2026, aussi bien pour ses propres services Azure AI que pour les charges de travail de ses clients entreprises. Trois nouvelles familles de machines virtuelles verront le jour : les instances HDv2, pensées pour les pipelines de données, l'apprentissage par renforcement et les systèmes d'agents autonomes ; les HXv2, dédiées aux simulations scientifiques, au calcul technique et à la conception de semi-conducteurs ; et les ND MI455X v7, qui s'appuieront directement sur Helios pour accélérer l'inférence des modèles d'IA en production. Cette annonce marque un tournant dans la manière dont Microsoft envisage l'infrastructure de son cloud. L'entreprise ne se contente plus d'ajouter de nouvelles puces à son catalogue : elle réorganise l'architecture d'Azure autour de plusieurs technologies complémentaires plutôt que d'une solution unique. Pour les entreprises clientes, cela signifie un accès à des machines virtuelles calibrées selon la nature exacte de leurs projets, qu'il s'agisse d'entraîner des modèles, de faire tourner des agents IA ou de préparer des données à grande échelle. Cette diversification matérielle limite aussi la dépendance de Microsoft à un fournisseur unique de puces, un enjeu stratégique et économique majeur dans un marché du cloud où la demande de calcul pour l'IA continue de croître fortement. Ce rapprochement s'inscrit dans un contexte de concurrence croissante entre fournisseurs d'infrastructures IA, où la position dominante de Nvidia pousse les géants du cloud à multiplier leurs sources d'approvisionnement. Plusieurs acteurs développent déjà leurs propres puces maison, tandis que d'autres, comme Microsoft, choisissent de renforcer leurs liens avec des partenaires établis comme AMD pour diversifier leur offre. En intégrant l'ensemble de la chaîne, des GPU aux réseaux en passant par les processeurs et les logiciels, Microsoft cherche à sécuriser sa capacité à répondre aux besoins futurs de ses clients, qu'il s'agisse de laboratoires de recherche entraînant des modèles de fondation ou d'entreprises déployant des applications d'IA générative en production. Les prochains mois, avec les premières livraisons attendues fin 2026, permettront de mesurer concrètement l'impact de cette stratégie sur les performances et les coûts proposés aux clients d'Azure.

Infrastructure⚡Actu

1 source

32

1077Le Big Data 

L’IA dans le CRM met fin au calvaire des données pour les commerciaux

L'intégration de l'intelligence artificielle dans les logiciels de gestion de la relation client (CRM) automatise désormais la saisie des données terrain, un point de friction qui freinait depuis des années l'adoption de ces outils par les commerciaux. Hugo Body, consultant chez Cosmo Consult et spécialiste des solutions Microsoft, détaille ce changement : des algorithmes de reconnaissance sémantique extraient automatiquement les informations contenues dans une signature d'email ou un message texte brut, et les répartissent dans les bonnes cases du CRM. Concrètement, un commercial peut copier la signature figurant en bas d'un courriel et la coller dans sa fiche prospect ; le système identifie de lui-même le nom, la fonction, les coordonnées et la structure hiérarchique du contact, sans ressaisie manuelle. Cette automatisation cible directement les tâches répétitives de création et de mise à jour des fiches, qui généraient jusqu'ici des erreurs de frappe et un rejet massif de l'outil par les équipes de vente, notamment lors des phases de prospection les plus chronophages. Ce gain de temps redonne aux commerciaux la possibilité de se concentrer sur ce qui fait leur valeur ajoutée : l'écoute du client, la compréhension de ses enjeux métier et la construction de réponses sur mesure. Selon Hugo Body, l'IA ne se substitue pas au jugement humain dans le processus de vente : « Les commerciaux ne suivent généralement pas aveuglément les suggestions de l'IA. L'outil sert de rappel, mais le commercial conserve son autonomie décisionnelle pour valider chaque action. » Le professionnel « augmenté » reste celui capable d'exercer un esprit critique sur les recommandations générées, de les replacer dans un contexte stratégique et relationnel, et de trancher in fine. Cette évolution déplace donc le centre de gravité de la formation commerciale : la maîtrise technique de l'outil devient secondaire face au développement des compétences comportementales nécessaires pour arbitrer entre suggestion algorithmique et jugement humain. Cette promesse reste toutefois conditionnée à la qualité des données déjà présentes dans le CRM, selon le principe bien connu du « Garbage In, Garbage Out » : une base vide ou mal renseignée neutralise tout bénéfice prédictif, quel que soit le niveau de sophistication de l'IA déployée. Pour les entreprises de taille moyenne, les licences à coût variable, ajusté au volume d'usage, permettent d'accéder à ces fonctionnalités agentiques sans investissement initial lourd. Mais la réussite du projet dépend avant tout d'une adhésion forte des équipes, du management jusqu'au terrain, seule condition pour garantir un renseignement rigoureux et continu des données. Comme le résume Hugo Body, il faut « créer un besoin, créer de l'attrait vis-à-vis du CRM » pour que les commerciaux alimentent volontairement l'outil, faute de quoi la gouvernance des données restera le principal obstacle à une automatisation réellement efficace.

Outils⚒Outil

1 source

33

1078Le Big Data 

CRM et IA : vers l’ère du commercial « augmenté » ?

Hugo Body, consultant chez COSMO CONSULT, décrit dans cet article comment l'intelligence artificielle transforme le métier de commercial via son intégration dans les CRM. Concrètement, l'IA prend désormais en charge les résumés automatiques de réunions, la génération de comptes rendus, l'aide à la rédaction d'e-mails et la synthèse des échanges clients. Un mécanisme de « copier-coller intelligent » permet aussi d'extraire automatiquement les coordonnées et les besoins d'un prospect depuis un simple e-mail pour les répartir dans les bons champs de la fiche client, sans saisie manuelle. Le CRM, longtemps perçu comme un outil chronophage pensé pour le management plutôt que pour les utilisateurs de terrain, évolue ainsi vers un système qui organise la donnée de façon transparente plutôt que de la subir. Cette évolution change concrètement le quotidien des équipes commerciales : en réduisant l'effort de saisie, l'IA rééquilibre la relation entre le commercial et son outil, qui devient une source d'assistance plutôt qu'une contrainte administrative. Au-delà du gain de temps, l'enjeu se déplace vers l'aide à la décision : le CRM devient une base de connaissances capable de repérer des signaux faibles, par exemple un client historique sans contact depuis trois mois mais dont l'activité sur le site web augmente, et de suggérer une relance ciblée. En unifiant des données jusque-là dispersées entre e-mails, outils collaboratifs, marketing automation et service client, l'IA permet au commercial de préparer un rendez-vous avec une vision contextualisée complète de son interlocuteur, incluant incidents support et campagnes marketing reçues. Cette intelligence reste toutefois dépendante de la qualité des données injectées, et l'humain demeure le garant de l'interprétation finale : un algorithme peut signaler une opportunité statistique, mais seul le commercial perçoit qu'un changement de direction récent chez le client rend le moment inopportun. Sans gouvernance claire des données ni structuration homogène du CRM, les recommandations perdent rapidement en pertinence. Malgré les promesses de l'IA agentique, l'automatisation totale du cycle de vente reste lointaine : la confiance, l'empathie et la capacité à percevoir une hésitation lors d'une négociation restent des prérogatives humaines. La plupart des entreprises se limitent encore à des usages de productivité immédiate, sans avoir repensé leurs processus commerciaux autour de ces outils, une phase d'assistance augmentée plutôt que d'autonomie décisionnelle complète des systèmes.

Outils⚒Outil

1 source

42

1079Le Big Data 

YouTube dit stop ! Les vidéos IA répétitives ne sont plus monétisables

YouTube a précisé publiquement les règles qui encadrent la monétisation des vidéos générées par intelligence artificielle. C'est Matt Halprin, vice-président en charge de la confiance et de la sécurité chez YouTube, qui a détaillé cette position dans une vidéo diffusée sur Creator Insider, la chaîne officielle destinée aux créateurs. Sans employer directement l'expression « vidéos IA », la plateforme distingue désormais trois catégories de contenus susceptibles d'être exclues du Programme Partenaire YouTube, et donc privées de revenus publicitaires : les contenus génériques et répétitifs fabriqués en série, les contenus jugés dérangeants ou manipulant délibérément les émotions du public, et les vidéos reposant sur des avatars créés par IA. YouTube cite notamment l'exemple de vidéos montrant des animaux gravement blessés lors d'opérations de sauvetage : même quand l'intention est positive, si l'aspect choquant domine le contenu, la monétisation peut être refusée. Cette annonce prolonge une politique amorcée l'an dernier contre les « contenus inauthentiques », ces chaînes publiant des dizaines de vidéos quasi identiques, mais elle en précise cette fois beaucoup plus clairement les contours. L'enjeu est considérable pour l'écosystème des créateurs, car une étude récente estime qu'environ 20 % des vidéos recommandées aux nouveaux utilisateurs de YouTube sont aujourd'hui produites avec l'IA, souvent avec un niveau de qualité discutable. Sur YouTube Shorts, la proportion grimpe à près d'une vidéo sur deux. Pour les chaînes qui misaient sur la production de masse à moindre coût grâce à des outils génératifs, la nouvelle doctrine change la donne financière du jour au lendemain. À l'inverse, YouTube veut préserver la monétisation des créateurs qui utilisent l'IA comme un outil au service d'un contenu original, avec une véritable histoire et une valeur ajoutée éditoriale. La mesure pourrait toutefois compliquer la tâche de certaines chaînes d'actualité ou de sensibilisation qui diffusent régulièrement des images difficiles, sans intention de manipulation émotionnelle. Ce durcissement intervient alors que YouTube investit lui-même massivement dans l'intelligence artificielle et multiplie les nouveaux outils de création destinés à ses créateurs, un paradoxe assumé par la plateforme qui doit simultanément encourager l'innovation et limiter ses dérives. Matt Halprin insiste sur le fait que YouTube ne mène pas une guerre contre l'IA en tant que telle, mais contre son usage à des fins purement mécaniques, sans personnalité ni effort créatif. Reste que l'application concrète de cette politique s'annonce difficile : la plateforme affirme déjà supprimer les contenus les plus problématiques, mais fait face à un phénomène de vases communicants, où chaque chaîne sanctionnée est rapidement remplacée par une autre. La bataille entre créativité assistée par IA et production de masse low-cost ne fait donc que commencer.

Société⚡Actu

1 source

45

1080AI News 

Chine : des modèles ouverts bon marché, mais à quel prix pour Washington ?

Moonshot AI a lancé Kimi K3 le 16 juillet, le plus grand modèle en poids ouverts jamais publié, avec un prix de 15 dollars par million de tokens en sortie et un seul mode de fonctionnement, le raisonnement maximal. En quelques jours, ce lancement a ravivé à Washington un débat resté en sommeil depuis un an. L'étincelle est venue de Dean Ball, responsable des perspectives stratégiques chez OpenAI et ancien conseiller IA à la Maison-Blanche sous Trump. Dans une analyse largement positive, il a jugé le modèle très performant, sans que sa qualité puisse selon lui s'expliquer par une simple distillation d'un modèle existant, tout en notant qu'il consommait énormément de tokens, rendant son coût réel incertain. Il a ensuite prédit que l'administration Trump finirait par créer un risque réglementaire autour des modèles chinois en poids ouverts, non pas via une interdiction franche, qu'il a qualifiée d'une des idées les plus absurdes en matière de politique de l'IA, mais par des mises en garde informelles d'agences fédérales évoquant d'éventuelles portes dérobées, sans besoin de preuves solides, suffisant à pousser les entreprises régulées à se retirer d'elles-mêmes. La réaction a été vive et est venue de responsables américains eux-mêmes: David Sacks, coprésident du conseil scientifique et technologique de la présidence, a accusé Ball soit d'avouer une stratégie de capture réglementaire, soit d'en prédire une, dénonçant l'instrumentalisation de l'incertitude réglementaire par un duopole de laboratoires fermés cherchant à écarter la concurrence open source. Yann LeCun et Martin Casado ont pour leur part défendu la coexistence des modèles ouverts et propriétaires. Ball a ensuite précisé qu'il décrivait une tendance plutôt qu'il ne la recommandait. Cette controverse dépasse la joute d'opinions: elle touche directement les décisions d'achat des entreprises, en dehors même des États-Unis, car les règles de marchés publics fédéraux, les listes noires à l'export et les alertes de sécurité transitent par les mêmes fournisseurs cloud qui équipent la majorité du marché mondial. L'enjeu économique est concret: les modèles ouverts chinois, moins chers, compriment les revenus par token des laboratoires fermés sans réduire l'usage global de l'IA. Selon les données de routage de Vercel, ces modèles ont traité 29% des tokens transitant par sa plateforme en juin, contre environ 11% en avril, pour moins de 4% des dépenses totales. Signe de cette pression venue de l'intérieur même de l'écosystème américain, GitHub a intégré Kimi K2.7 Code de Moonshot à Copilot dès le 1er juillet, hébergé sur Microsoft Azure, et Microsoft évaluerait désormais l'ajout de K3 pour remplacer certaines fonctions actuellement confiées à OpenAI et Anthropic, avec des économies d'inférence potentielles atteignant 600 millions de dollars, un chiffre non confirmé par l'entreprise. L'argument sécuritaire mérite néanmoins d'être pris au sérieux indépendamment des motivations commerciales. Un modèle en poids ouverts, une fois téléchargé et déployé dans des milliers d'organisations, ne peut plus être rappelé, corrigé à distance ni révoqué par son éditeur, contrairement à une API hébergée. Son comportement est aussi plus difficile à auditer que du code classique: un réglage fin peut introduire des biais ou des failles qu'aucune inspection de licence ne permettrait de détecter, posant une question de fond sur la confiance à accorder à des modèles dont la chaîne de fabrication échappe à tout contrôle occidental.

Régulation⚖Reglementation

1 source