Actualités IA — page 59

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

46

1161Ars Technica AI 

Apple et Google doivent cesser de tirer profit des applis de dénudage par IA, selon le procureur de San Francisco

Cette semaine, le procureur de la ville de San Francisco, David Chiu, a envoyé des lettres de mise en demeure à Apple et Google, leur réclamant le retrait de 13 applications dites de "nudification" de leurs boutiques respectives, selon des informations rapportées par Wired. Ces applications, basées sur l'intelligence artificielle, permettent de transformer en quelques clics des photos ordinaires de personnes réelles en images à caractère explicite. Concrètement, ces outils autorisent leurs utilisateurs à supprimer numériquement les vêtements d'une personne, à modifier ses traits, à la placer dans des positions sexualisées, ou encore à superposer le visage d'une victime sur le corps nu d'une autre personne. Dans son courrier, Chiu affirme que les boutiques d'applications enfreignent les lois californiennes qui interdisent de soutenir des services créant de la pornographie deepfake. Cette démarche vise directement les géants technologiques qui hébergent ces applications, et non uniquement leurs développeurs, une approche qui pourrait établir un précédent important. En tenant Apple et Google responsables du contenu distribué via leurs plateformes, les autorités californiennes cherchent à couper l'accès à ces outils à la source, plutôt que de poursuivre une multitude de petits éditeurs souvent difficiles à identifier ou basés à l'étranger. Cette action s'inscrit dans une inquiétude croissante face à la prolifération des deepfakes pornographiques non consentis, un phénomène amplifié par la démocratisation des outils d'IA générative. Plusieurs États américains ont déjà renforcé leur arsenal juridique sur ce sujet ces derniers mois, et la pression monte désormais directement sur les plateformes de distribution d'applications pour qu'elles exercent un contrôle plus strict avant publication.

Régulation⚖Reglementation

Aussi surWired AI

40

1162AI News 

Bunkerhill lève 55 millions de dollars pour déployer l'IA à base d'agents dans les systèmes de santé

Bunkerhill Health a levé 55 millions de dollars dans le cadre d'un tour de série B pour développer Carebricks, sa plateforme d'intelligence artificielle agentique destinée aux hôpitaux. L'opération, annoncée aujourd'hui, réunit des investisseurs déjà présents au capital comme Sequoia Capital, Felicis, Optum Ventures et Y Combinator, ainsi qu'un nouveau venu de poids, Khosla Ventures. Carebricks permet aux établissements de santé de construire leurs propres agents IA plutôt que d'acheter un produit figé. Certains agents analysent l'imagerie cardiologique pour détecter des signes précoces de maladie cardiaque, d'autres gèrent les autorisations préalables ou maintiennent à jour les registres de données administratives. La plateforme tourne déjà à la Cleveland Clinic, à l'University of Texas Medical Branch (UTMB) et chez Intermountain Health. Selon Nishith Khandwala, cofondateur et directeur général de Bunkerhill Health, "la médecine a progressé plus vite que la capacité du système de santé à l'appliquer concrètement", chaque grand hôpital ayant plus d'opportunités d'améliorer les soins que son personnel n'a de temps pour les saisir. Cette levée de fonds répond à une question centrale pour tout dirigeant hospitalier : le logiciel fonctionne-t-il réellement en conditions réelles, au-delà des essais en laboratoire ? Les dépenses de santé aux États-Unis ont atteint 5 300 milliards de dollars en 2024, selon les Centers for Medicare & Medicaid Services, dans un contexte de pénurie persistante de personnel soignant. Pour Vinod Khosla, fondateur de Khosla Ventures, le véritable obstacle à l'IA en santé n'a jamais été technologique mais organisationnel : convaincre un hôpital de véritablement déployer l'outil. Bunkerhill affirme avoir résolu ce problème d'adoption, avec des clients installés que d'autres entreprises mettraient des années à convaincre. À l'UTMB, plus de 20 agents Carebricks fonctionnent désormais dans les services cliniques, opérationnels et administratifs, selon le Dr Peter McCaffrey, responsable de l'IA de l'établissement. Un agent de détection du calcium coronarien, basé sur un algorithme validé par la FDA, a signalé dès son premier mois d'utilisation un patient présentant un risque imminent de crise cardiaque ; le service de cardiologie a confirmé le diagnostic et pratiqué un triple pontage, ce que l'équipe médicale crédite d'avoir sauvé la vie du patient. Il s'agit toutefois d'un cas isolé, sans étude contrôlée ni données publiées sur le taux de faux positifs. Un agent de triage en néphrologie aurait par ailleurs réduit de plus de 50 % le temps d'attente moyen pour voir un spécialiste, selon des chiffres fournis par l'hôpital et Bunkerhill eux-mêmes, non audités de façon indépendante.

Business⚡Actu

1 source

37

1163Le Big Data 

1Password permet à Claude de se connecter sans accéder à vos mots de passe

Anthropic a annoncé une intégration entre Claude et le gestionnaire de mots de passe 1Password, permettant à l'agent de se connecter à des comptes en ligne sans jamais avoir accès aux identifiants eux-mêmes. Disponible immédiatement sur Mac, cette fonctionnalité s'active lorsqu'une tâche confiée à Claude le conduit vers une page de connexion : l'agent réclame alors un identifiant enregistré dans 1Password, que l'utilisateur approuve ou refuse. Une fois validée, la transmission des données passe par un canal chiffré distinct des systèmes d'Anthropic. Selon 1Password, ces secrets « ne sont jamais accessibles à Claude ni aux systèmes d'Anthropic » directement. Concrètement, Claude identifie seulement le site visé et reçoit en retour des informations limitées sur l'autorisation accordée et le résultat de la connexion, pendant que l'extension du gestionnaire déchiffre et insère le mot de passe sans en révéler le contenu. Si la soumission du formulaire échoue, les identifiants sont immédiatement effacés avant que Claude ne reprenne la main, évitant qu'un champ resté rempli n'expose des données sensibles. La fonctionnalité nécessite 1Password version 8.12.28 minimum et s'adresse pour l'instant aux abonnés individuels, familiaux et professionnels équipés d'un Mac récent ; en entreprise, les administrateurs doivent activer explicitement le remplissage automatique pour les connexions assistées. Cette avancée répond à un risque numérique bien identifié : jusqu'ici, un agent IA amené à se connecter à un service devait souvent manipuler directement des identifiants en clair, exposant ces données à des systèmes tiers. En séparant strictement l'authentification de l'exécution de la tâche, 1Password et Anthropic réduisent une surface d'attaque concrète pour les utilisateurs professionnels qui délèguent de plus en plus de tâches à des agents autonomes. Mais cette protection reste partielle : elle sécurise l'entrée dans le compte, pas les actions qui suivent. Une fois authentifié, Claude conserve tous les droits associés au compte concerné, qu'il s'agisse de consulter des documents, modifier des réglages ou publier du contenu difficile à effacer. La sécurité de la connexion ne garantit donc en rien un usage prudent des permissions accordées ensuite. Cette première version se limite aux noms d'utilisateur, mots de passe et codes à usage unique stockés dans 1Password, excluant pour l'instant les clés d'accès (passkeys) et les connexions sociales comme celles via Google. Elle s'inscrit dans une tendance plus large où les fournisseurs d'identité cherchent à encadrer l'essor des agents IA autonomes, appelés à multiplier les interactions avec des comptes en ligne. En attendant une couverture plus complète, les experts recommandent de limiter cette fonctionnalité à des tâches précises sur des comptes peu sensibles, et d'éviter d'accorder d'emblée à Claude des accès coûteux ou difficiles à révoquer.

Sécurité⚡Actu

1 source

45

1164Next INpact 

☕️ Avec Perception, Microsoft préparerait un concurrent moins cher à Claude Mythos

Depuis la mi-mai, Microsoft multiplie les initiatives dans la cybersécurité assistée par intelligence artificielle. L'entreprise a d'abord présenté MDASH (Microsoft Security multi-model agentic scanning harness), un réseau d'une centaine d'agents combinant plusieurs modèles pour détecter les failles de sécurité dans le code. Son utilisation concrète s'est illustrée lors du Patch Tuesday du 14 juillet, qui a battu tous les records avec 570 failles corrigées, soit près de trois fois plus qu'en juin, mois qui constituait déjà lui-même un record. Microsoft a par ailleurs officialisé le recours massif à l'IA générative dans ses processus de sécurité, confirmant qu'elle fait désormais partie intégrante de sa chaîne de détection. Selon les informations rapportées par The Information, l'entreprise préparerait maintenant un nouveau système baptisé Project Perception, présenté comme un concurrent direct de Claude Mythos, l'outil d'Anthropic réservé aux organisations autorisées via le programme Glasswing (dont Mozilla a par exemple bénéficié). Contrairement à MDASH, Perception combinerait des modèles de Microsoft, d'OpenAI et d'Anthropic, orchestrés par un « model router » chargé de sélectionner le modèle le plus adapté à chaque tâche. Le projet serait porté par Hayete Gallot, responsable sécurité de Microsoft depuis février 2026, et une présentation officielle est attendue avant la fin du mois de juillet. L'enjeu principal tiendrait au prix. Claude Mythos jouit d'une solide réputation, mais son coût d'exploitation serait très élevé, ce qui limiterait son adoption à grande échelle. En proposant une alternative moins onéreuse et capable de mobiliser plusieurs fournisseurs de modèles selon les besoins, Microsoft chercherait à démocratiser l'usage de l'IA pour la détection de vulnérabilités auprès d'un public plus large d'entreprises et d'administrations. Pour un acteur aussi central que Microsoft dans l'écosystème de la cybersécurité, un tel outil pourrait rebattre les cartes d'un marché où les solutions les plus performantes restent aujourd'hui coûteuses et peu accessibles. Ce projet s'inscrit dans une réorganisation plus large de l'activité sécurité de Microsoft, désormais recentrée sur des produits fondés sur l'IA, au détriment de ses offres plus anciennes. Sa concrétisation soulèverait toutefois des questions politiques. L'administration Trump a déjà manifesté sa volonté de surveiller de près les capacités de modèles comme Mythos, Fable 5 chez Anthropic ou GPT 5.6 chez OpenAI, en raison de leur nature duale : les mêmes outils capables de repérer des failles pour les corriger peuvent tout aussi bien servir à les exploiter. Perception, s'il devient un produit commercial, pourrait donc attirer une attention comparable de la part des autorités américaines.

Sécurité⚒Outil

1 source

32

1165NVIDIA AI Blog 

NVIDIA Vera Rubin maximise l'intelligence par dollar pour les charges post-entraînement, une métrique clé pour l'IA à base d'agents

Un athlète professionnel ne se distingue pas pendant le match, mais dans l'intervalle entre deux matchs, quand il ajuste sa technique face à un nouvel adversaire. NVIDIA applique cette logique à l'intelligence artificielle agentique avec sa plateforme Vera Rubin, conçue pour maximiser ce que l'entreprise appelle "l'intelligence par dollar" lors du post-entraînement, cette phase qui affine un modèle après son apprentissage initial sur des données brutes. Contrairement à un modèle génératif qui répond simplement à une requête, un modèle agentique doit planifier, utiliser différents outils et se rétablir seul face aux imprévus rencontrés en cours de tâche. Cet apprentissage repose sur des techniques de renforcement (RL) : le modèle rédige une tentative de réponse lors d'une passe avant (inférence), cette tentative est notée, puis la leçon tirée met à jour les poids du modèle lors d'une passe arrière. NVIDIA a illustré cette approche avec Nemotron 3 Ultra, un modèle ouvert à mixture d'experts de 550 milliards de paramètres, entraîné via la bibliothèque NeMo RL, qui a obtenu un score de 71,7% sur SWE-bench Verified, un benchmark de référence pour l'évaluation du codage en conditions réelles. Cette évolution change fondamentalement l'économie du calcul dans l'industrie de l'IA. Le post-entraînement n'est plus une étape ponctuelle de finition mais un processus continu, car les environnements dans lesquels opèrent les agents évoluent en permanence : les outils utilisés changent d'une semaine à l'autre, des cas limites imprévus par les jeux de test apparaissent en production, et chaque déploiement implique son propre code, ses propres règles et son propre environnement. L'empreinte de calcul ne grossit donc pas parce qu'une seule exécution devient plus lourde, mais parce que ces cycles d'entraînement ne s'arrêtent jamais. Pour les entreprises qui construisent et déploient des agents IA, cela signifie que la valeur d'un modèle ne se mesure plus seulement au coût par token généré lors de l'inférence, mais à la capacité de continuer à investir dans son intelligence à mesure que son environnement de production change, un enjeu direct pour la rentabilité de ces systèmes à grande échelle. Cette approche s'inscrit dans un effort plus large de NVIDIA pour transformer le post-entraînement, longtemps considéré comme un travail de recherche artisanal, en infrastructure reproductible à l'échelle industrielle. Les bibliothèques ouvertes NeMo Gym, pour créer des environnements d'entraînement, et NeMo RL, pour l'entraînement distribué, visent à orchestrer des milliers d'environnements générant des tentatives en parallèle, avec vérification des récompenses et mise à jour des poids en continu, tout en maintenant les accélérateurs pleinement utilisés. L'enjeu stratégique pour NVIDIA est de positionner sa plateforme matérielle Vera Rubin comme le socle indispensable de cette nouvelle génération de calcul intensif, où le coût par token d'inférence et l'intelligence construite par dollar investi deviennent deux mesures complémentaires plutôt que concurrentes. À mesure que les entreprises technologiques déploient des agents IA de plus en plus autonomes dans des environnements réels, la capacité à financer et industrialiser ce cycle d'apprentissage continu pourrait devenir un facteur déterminant de compétitivité dans le secteur.

Infrastructure⚡Actu

1 source

24

1166InfoQ AI 

Distiller le comportement des modèles frontières à partir de télémétrie de production, d'OTEL aux SLMs

Ces informations biographiques de l'orateur, sans article ni contenu réel derrière, ne suffisent pas pour produire un article de 200-250 mots avec faits précis, chiffres et contexte. Le texte fourni n'est qu'une description d'une présentation à venir. Peux-tu me fournir le contenu complet de l'article (la source, le transcript de la conférence, ou un lien) ? Sans cela je ne peux que reformuler la même annonce courte, ce qui ne respecterait pas les consignes (article autonome, chiffres précis, 3 paragraphes détaillés).

Recherche❖Paper

1 source

39

1167Next INpact 

L’IA rend l’édition scientifique « plus lente, de moins bonne qualité et plus chère »

L'IA générative dégraderait la qualité et alourdirait les coûts de l'édition scientifique, selon Holden Thorp, rédacteur en chef de la revue Science et responsable éditorial de l'ensemble des publications de l'éditeur du même nom. Dans un édito publié dans la revue phare, il explique que la multiplication des articles rédigés ou assistés par IA pousse le secteur vers une forme de « taylorisme », où la vérification humaine doit compenser les failles des machines, ralentissant et renchérissant tout le processus. Il s'appuie sur des travaux récents montrant que les grands modèles de langage peinent encore face à un jugement clinique nuancé, à un raisonnement expérimental complexe ou à une synthèse approfondie en biologie, et rappelle que même les chercheurs d'OpenAI reconnaissent ne pas être venus à bout du problème des hallucinations. Un autre article mis en ligne sur arXiv, qu'il cite, va plus loin en affirmant que certains agents IA seraient plus enclins que les humains à des pratiques comparables à des fautes professionnelles en recherche, comme le cherry picking de données ou la manipulation d'analyses statistiques jusqu'à obtenir le résultat espéré. Fin 2025, la plateforme de prépublication arXiv, submergée de soumissions générées par IA, avait déjà durci sa modération et instauré une suspension d'un an pour les chercheurs soumettant des articles erronés produits par ces outils. Pour Holden Thorp, l'enjeu dépasse la seule qualité des textes publiés : il s'agit de la crédibilité même de la science face à ce qu'il appelle l'« AI slop », ces contenus de mauvaise qualité générés par IA qui envahissent aussi bien la littérature scientifique que l'ensemble d'Internet. Il pointe la responsabilité de certains grands éditeurs, citant Elsevier, qui laisseraient passer des erreurs qu'il juge impardonnables faute de contrôle suffisant. Concrètement, cela signifie des revues débordées par un afflux de soumissions plus rapide que leur capacité de relecture, des comités éditoriaux contraints de renforcer leurs procédures de vérification, et un risque accru que des résultats erronés ou biaisés se retrouvent validés et diffusés dans le corpus scientifique mondial, avec des conséquences potentielles sur des travaux ultérieurs qui s'appuieraient dessus. Le parallèle avec le taylorisme n'est pas anodin : Holden Thorp rappelle que Frederick Winslow Taylor avait promu la surveillance accrue des salariés pour les pousser à travailler plus, au prix d'un épuisement généralisé et d'un transfert du pouvoir décisionnel des travailleurs vers la direction. Il y voit un écho à la situation actuelle des relecteurs et éditeurs scientifiques, sommés de redoubler de vigilance face à des soumissions toujours plus nombreuses. Ironie relevée par certains observateurs, l'édito de Thorp contient lui-même des liens vers arXiv assortis de paramètres UTM trahissant un passage par ChatGPT, signe que même les critiques les plus sévères de l'IA générative dans la recherche s'appuient parfois sur ces mêmes outils pour préparer leurs textes.

Recherche❖Paper

1 source

33

1168Le Big Data 

Fini la voix de bureaucrate : vous allez (enfin) pouvoir choisir le ton de Gemini !

Google préparerait une nouvelle fonctionnalité permettant de personnaliser le ton de voix de son assistant Gemini, selon des indices repérés dans la version bêta 17.41.12 de l'application Google. Une rubrique baptisée « Personnaliser » ferait son apparition dans les paramètres vocaux, offrant aux utilisateurs la possibilité d'abandonner la voix prédéfinie au profit d'un réglage sur mesure. Quatre paramètres seraient modifiables : le niveau d'énergie, le degré de formalité, la chaleur et la vitesse de parole, chacun proposant plusieurs niveaux d'intensité. Une fois configurée, cette voix personnalisée s'appliquerait aussi bien dans Gemini Live que dans les conversations classiques de l'application, afin de garantir une cohérence du style de communication partout. Google n'a fait aucune annonce officielle à ce stade, mais tout laisse penser que cette option sera intégrée dans une prochaine mise à jour. Cette personnalisation répond à une critique récurrente adressée aux assistants IA : leur ton uniforme et souvent trop formel, qui ne correspond pas toujours aux attentes de chaque utilisateur. En donnant la main sur l'énergie, la chaleur ou la vitesse de la voix, Google permettrait à chacun d'adapter Gemini à son usage, un ton plus professionnel pour un contexte de travail, plus détendu et chaleureux pour un usage personnel. Pour l'industrie, ce type d'ajustement fin illustre la bataille de différenciation qui s'intensifie entre assistants vocaux, où l'expérience utilisateur et la sensation de naturel deviennent des critères aussi importants que les performances brutes du modèle. Une voix jugée plus proche ou plus agréable peut directement influencer l'adoption quotidienne d'un outil, notamment dans les usages vocaux prolongés comme Gemini Live. Cette découverte intervient peu après une précédente refonte des voix de Gemini, déployée dans la foulée de la conférence Google I/O. L'entreprise avait alors modernisé le sélecteur de voix avec une interface simplifiée et introduit deux nouvelles voix, Flare et Glow, aux côtés de celles déjà disponibles comme Ourse, Vega, Pégase, Louche, Éclipse, Chapelle, Orbite, Orion, Éclater et Briller. Google avait cependant supprimé les descriptions courtes qui accompagnaient chaque voix, comme « Calme » ou « Vif », obligeant désormais les utilisateurs à les écouter pour faire leur choix. L'entreprise en avait profité pour rafraîchir l'ensemble de l'interface, avec de nouvelles icônes pour le microphone, l'appareil photo, la galerie, le partage d'écran et Gemini Live. Ces évolutions successives dessinent une stratégie claire : rendre Gemini plus personnalisable et plus agréable à utiliser au quotidien, à mesure que la concurrence sur les assistants conversationnels s'intensifie.

Outils⚒Outil

1 source

33

1169Le Big Data 

Avec 3M, Microsoft accélère la course aux infrastructures qui feront tourner l’IA de demain

Microsoft et 3M ont annoncé le 15 juillet 2026 un partenariat stratégique autour des infrastructures d'intelligence artificielle. Selon le communiqué officiel, Azure deviendra le premier fournisseur de cloud hyperscale à déployer la technologie propriétaire Expanded Beam Optical (EBO) de 3M dans ses centres de données. En contrepartie, 3M intégrera les plateformes d'IA de Microsoft afin d'accélérer sa propre transformation numérique dans plusieurs fonctions de l'entreprise. Cette technologie de connectique optique utilise un faisceau élargi plutôt qu'un contact direct entre les fibres, ce qui limite les effets de la poussière et des contaminations lors de l'installation et de la maintenance des réseaux. Microsoft affirme que ses premiers déploiements internes ont permis de raccourcir les délais de mise en service du réseau dans certains environnements, sans toutefois communiquer de chiffres précis sur ces gains. Cet accord illustre un déplacement du terrain de compétition dans l'IA. Pendant longtemps, la rivalité entre géants technologiques s'est jouée sur les modèles génératifs et les puces de calcul, à l'image des processeurs Maia et Cobalt que Microsoft développe en interne pour ses centres de données, comme l'avait rapporté Reuters. Désormais, la fiabilité et la rapidité de déploiement des infrastructures physiques deviennent un enjeu tout aussi déterminant. Face à l'explosion des charges de travail liées à l'IA générative, chaque amélioration apportée à la connectivité, à la consommation énergétique ou à la fiabilité des équipements se traduit directement par des économies sur les coûts d'exploitation et par une mise en service plus rapide des nouvelles capacités de calcul. Pour les opérateurs de cloud comme pour leurs clients entreprises, cela signifie des services d'IA disponibles plus vite et potentiellement moins coûteux à faire tourner. Ce rapprochement s'inscrit dans une tendance plus large où les industriels traditionnels deviennent des partenaires stratégiques des géants du cloud. Face à la demande croissante des hyperscalers, 3M annonce augmenter ses capacités de production et poursuivre la standardisation de sa technologie via l'accord multi-sources EBO (MSA), dans l'objectif de favoriser son adoption par d'autres opérateurs de centres de données au-delà de Microsoft. Cette dynamique rappelle que la course à l'IA ne se limite plus aux laboratoires de recherche ou aux fabricants de semi-conducteurs : les fournisseurs de matériaux avancés, de connectique et de solutions industrielles pour data centers deviennent eux aussi des maillons critiques de la chaîne de valeur, alors que les besoins en capacité de calcul continuent de croître à un rythme soutenu.

Infrastructure⚡Actu

1 source

40

1170Le Big Data 

Roblox Build, une IA créateur de jeux sur mobile ! Tout savoir

Roblox a dévoilé Build, un nouvel outil de création intégré directement à son application mobile, qui permet de générer un jeu jouable à partir d'une simple description textuelle, sans passer par l'éditeur Roblox Studio. Il suffit à l'utilisateur de saisir le nom d'un jeu ou d'un personnage pour que le service produise un point de départ modifiable, testable et partageable entre amis. L'outil s'appuie sur une combinaison de modèles d'intelligence artificielle open source et propriétaires, capables de générer mécaniques de jeu, personnages, sons et styles visuels. David Baszucki, le dirigeant de Roblox, présente Build comme une nouvelle façon de créer directement depuis son téléphone. L'alpha publique doit s'ouvrir le 28 juillet 2026, d'abord en Nouvelle-Zélande avant une extension progressive à d'autres régions, et sera limitée aux utilisateurs vérifiés âgés d'au moins neuf ans. Une version de base restera gratuite, certaines fonctionnalités avancées devenant payantes. Cette annonce marque un tournant pour Roblox, qui compte des millions d'utilisateurs quotidiens et cherche à élargir son vivier de créateurs au-delà des studios expérimentés déjà familiers de Roblox Studio. En rendant la création aussi simple qu'un message texte, la plateforme espère abaisser radicalement la barrière technique qui freinait jusqu'ici les amateurs souhaitant concevoir leurs propres univers. Pour l'industrie du jeu vidéo, cela confirme une tendance de fond où l'IA générative devient un outil de production accessible au grand public, et pas seulement aux développeurs professionnels. Roblox précise toutefois que chaque jeu créé via Build devra passer un contrôle de sécurité avant sa diffusion aux utilisateurs de seize ans et plus, et que les productions suivront le même classement que les autres contenus de la plateforme, fondé sur la fidélisation des joueurs. L'IA fournit donc un tremplin technique, mais ne garantit ni visibilité ni succès automatique. Build s'inscrit dans la continuité du slogan historique de Roblox, "vous créez le jeu", lancé il y a près de vingt ans et désormais doté d'une portée bien plus concrète grâce à l'IA. Un projet démarré sur mobile pourra être poursuivi dans Roblox Studio puis repris ensuite sur smartphone, assurant une continuité entre les deux environnements plutôt qu'un simple gadget isolé. Parallèlement, Roblox déploie trois agents IA destinés à ses créateurs les plus actifs et déjà expérimentés sur Studio : un agent de test qui détecte les bugs avant publication, un agent d'analyse capable de répondre à des questions en langage naturel sur les données de jeu, et un agent de recommandation suggérant des ajustements pour améliorer l'engagement. Cette double stratégie, simplifier l'accès pour les novices tout en outillant davantage les équipes chevronnées, illustre la manière dont les grandes plateformes de jeu misent désormais sur l'intelligence artificielle pour stimuler à la fois le volume et la qualité des contenus générés par leurs communautés.

Outils⚒Outil

1 source

50

1171La Tribune 

DeepSeek casse les prix, Moonshot veut tout intégrer : comment l’IA chinoise attaque les modèles américains

DeepSeek a bousculé le marché de l'intelligence artificielle en lançant un modèle open source dont le coût d'utilisation est jusqu'à 85 % inférieur à celui de GPT5.5, la dernière génération de modèles d'OpenAI. Dans le même temps, Moonshot AI a aligné ses modèles Kimi et K2 pour concurrencer directement ChatGPT et Claude sur des tâches clés comme la génération de code et le raisonnement complexe. Ces deux entreprises chinoises, surnommées les "tigres" de l'IA locale, incarnent une nouvelle vague d'acteurs capables de rivaliser techniquement avec les géants américains tout en cassant radicalement les prix pratiqués jusqu'ici sur le marché. Cette stratégie tarifaire agressive change la donne pour les entreprises qui déploient l'IA à grande échelle, où le coût par requête devient un critère aussi déterminant que la performance brute. Pour les développeurs et les sociétés technologiques, l'apparition d'alternatives open source nettement moins chères réduit la dépendance aux fournisseurs américains et pourrait accélérer l'adoption de l'IA générative dans des marchés plus sensibles aux coûts, notamment dans les pays émergents. Cette offensive s'inscrit dans une stratégie plus large de Pékin, qui voit dans l'IA un levier diplomatique et économique. En proposant des modèles performants et bon marché, la Chine cherche à séduire les entreprises occidentales tout en offrant au Sud global une alternative complète aux services américains, de l'infrastructure aux applications. Cette bataille des prix et des capacités technique s'annonce comme un nouveau front de la rivalité sino-américaine dans la course à l'intelligence artificielle, avec des répercussions potentielles sur les équilibres géopolitiques et économiques mondiaux.

Business❧Opinion

1 source

37

1172MarkTechPost 

NVIDIA lance Nemotron 3 Embed, une collection d'embeddings ouverts dont le modèle 8B se classe premier sur RTEB

NVIDIA a publié Nemotron 3 Embed, une collection de modèles d'embedding conçue pour la recherche documentaire à grande échelle, le RAG agentique, la recherche de code et la mémoire des agents IA. La collection comprend trois modèles ouverts sous licence OpenMDW 1.1 : Nemotron-3-Embed-8B-BF16, la version privilégiant la précision maximale, Nemotron-3-Embed-1B-BF16, une version compacte au design identique, et Nemotron-3-Embed-1B-NVFP4, une variante quantifiée en 4 bits optimisée pour l'architecture Blackwell. Les trois sont des encodeurs transformer à attention bidirectionnelle, avec une longueur de séquence maximale de 32 768 tokens et une évaluation menée sur 34 langues. Les modèles s'appuient sur les bases Mistral : Ministral-3-8B-Instruct-2512 pour la version 8B, et Ministral-3-3B-Instruct-2512 pour les deux versions 1B. Sur le benchmark RTEB (Retrieval Embedding Benchmark), qui couvre 16 tâches publiques, la version 8B affiche un score NDCG@10 de 78,46, la plaçant en tête de classement au 17 juillet 2026. La version 1B atteint 72,38, tandis que sa déclinaison NVFP4 obtient 72,00, ne perdant que 0,38 point tout en conservant 99,5% de la précision du modèle de référence. Ces performances comptent parce que la qualité des embeddings détermine directement ce qu'un agent IA peut retrouver et exploiter comme information avant même de raisonner dessus. Un gain comme celui du modèle 1B, qui devance de 10,4 points l'ancienne génération llama-nemotron-embed-vl-1b-v2, permet de déployer des systèmes de recherche plus performants sur du matériel plus modeste, un enjeu direct pour les entreprises qui veulent industrialiser le RAG sans multiplier les coûts de calcul. La quasi-absence de perte de précision avec la quantification NVFP4, couplée à un débit jusqu'à deux fois supérieur au format BF16 sur les puces Blackwell selon NVIDIA, ouvre la voie à des déploiements massifs à moindre coût, un argument de poids pour les fournisseurs de cloud et les équipes qui opèrent des infrastructures d'IA agentique à grande échelle. Les gains obtenus sur les petits modèles ne viennent pas d'un entraînement réduit mais d'un pipeline de compression en plusieurs étapes. Le modèle 3B nemotron-3-embed-3b a d'abord été élagué à 2 milliards de paramètres via une recherche d'architecture neuronale (NAS) de NVIDIA ModelOpt, évaluant largeur cachée, taille des couches, nombre de têtes d'attention et profondeur sur un corpus de calibration de 50 000 exemples. Le modèle a ensuite été distillé à partir du modèle 8B, combinant perte de distance cosinus et erreur quadratique moyenne, avant de répéter l'opération pour obtenir la version 1,14 milliard de paramètres finale. Pour la variante NVFP4, la quantification a ciblé les poids et activations des couches linéaires via nvidia-modelopt v0.45.0, suivie d'une distillation adaptée à la quantification (QAD) sur 20 000 exemples pour préserver la précision sur les textes longs, calibrée avec 512 échantillons issus du jeu de données CNN/DailyMail. Les vecteurs de la version 2048 dimensions peuvent aussi être tronqués à 1024 ou 512 dimensions, un choix qui s'inscrit dans la tendance plus large des laboratoires d'IA à optimiser le coût d'inférence sans sacrifier la qualité de récupération.

LLMs⚡Actu

Aussi surHuggingFace Blog

45

1173Next INpact 

☕️ La Chine veut empêcher les humains de tomber amoureux des IA

Depuis mercredi 15 juillet, la Chine impose un encadrement strict aux chatbots de compagnie IA, ces services conçus pour simuler une relation affective avec leurs utilisateurs. Les nouvelles règles ciblent spécifiquement les applications qui imitent une personnalité humaine pour offrir compagnie, soutien émotionnel ou relation virtuelle, tandis que les assistants professionnels, éducatifs ou de service client restent hors du champ d'application. Les entreprises concernées, parmi lesquelles Alibaba et ByteDance, ont déjà désactivé certaines fonctionnalités de leurs produits pour se conformer au texte. Concrètement, il leur est désormais interdit de chercher à rendre l'utilisateur dépendant, de se substituer à ses relations sociales réelles ou de prolonger artificiellement une conversation lorsque la personne souhaite y mettre fin. Les fournisseurs doivent aussi mettre en place des mécanismes d'évaluation de l'état émotionnel et du degré de dépendance des utilisateurs, avec des procédures d'intervention prévues en cas de besoin. Pour les mineurs, les restrictions vont encore plus loin : impossible de leur proposer des « partenaires » ou de faux « membres de la famille » virtuels, le consentement parental devient obligatoire en dessous de 14 ans, et les parents obtiennent la possibilité de bloquer certains personnages, de contrôler les achats et de recevoir des alertes. Cette réglementation intervient alors que le marché des compagnons IA a connu une croissance fulgurante : selon une étude d'Appfigures portant sur 2025, le secteur a généré plus de 120 millions de dollars sur l'année, avec 337 applications actives cumulant 220 millions de téléchargements. Ce succès traduit un besoin réel, celui de combler un isolement affectif chez de nombreux utilisateurs, mais il s'accompagne de dérives que plusieurs régulateurs occidentaux commencent aussi à surveiller : aux États-Unis, la FTC a demandé des comptes aux principaux acteurs du secteur sur la protection des plus jeunes utilisateurs, et la Californie impose depuis le 1er janvier des messages d'avertissement rappelant aux utilisateurs qu'ils dialoguent avec une IA. La décision chinoise, plus radicale, envoie un signal fort à toute une industrie technologique qui a fait de l'illusion conversationnelle un argument commercial central, et pourrait inspirer d'autres juridictions à légiférer plus fermement sur ces usages. Derrière cette sévérité, Pékin affiche une volonté de prévenir la dépendance affective, les manipulations émotionnelles et les risques psychologiques liés à ces technologies. Mais un expert cité par le Wall Street Journal établit un lien plus large avec la natalité déclinante du pays : les autorités chinoises craindraient que ces compagnons virtuels détournent leurs utilisateurs des relations amoureuses réelles, du mariage et, in fine, de la parentalité. Sans l'énoncer aussi explicitement, plusieurs réglementations locales sur la sécurité de l'IA font déjà référence aux effets de cette technologie sur la structure familiale et la fécondité, inscrivant ce texte dans une politique démographique plus vaste plutôt que dans une simple logique de protection du consommateur.

Régulation⚖Reglementation

1 source

50

1174Le Big Data 

Google s’en sort mieux qu’Apple en Europe… grâce aux nouvelles règles sur l’IA

Google a trouvé une formule qui lui permet de continuer à développer Gemini en Europe sans interruption, alors qu'Apple reste bloqué avec Siri AI, toujours sans date de lancement sur le continent. La Commission européenne a rendu deux décisions distinctes dans le cadre du Digital Markets Act (DMA), le règlement censé empêcher les grandes plateformes de favoriser leurs propres services au détriment de la concurrence. Bruxelles a demandé à Google d'offrir aux assistants IA concurrents, comme ceux d'OpenAI ou d'Anthropic, le même niveau d'accès à Android que celui dont bénéficie actuellement Gemini. Mais contrairement à ce qu'on pourrait attendre, Google obtient un délai confortable : il a jusqu'en juillet 2027 pour mettre Android en conformité, soit environ un an de marge. L'entreprise pourrait aussi contester la décision devant la justice, bien qu'elle n'ait encore rien annoncé en ce sens. Apple, de son côté, n'a obtenu aucun sursis : sa demande d'un délai de 18 mois pour adapter Siri AI aux exigences européennes a été rejetée, et l'assistant reste absent du marché européen sans calendrier de lancement communiqué. Ce contraste a des conséquences concrètes sur la position des deux groupes dans la course à l'IA grand public. Gemini est déjà installé par défaut sur de nombreux smartphones Android et bénéficie d'un accès privilégié aux fonctions du système. Pendant que ses concurrents patientent pour obtenir un accès comparable, Google conserve cet avantage et continue d'améliorer son assistant tout en préparant, à son rythme, sa mise en conformité avec Bruxelles. Pour les utilisateurs européens, cela signifie que l'écart entre Gemini et Siri AI risque de se creuser encore, Apple ne pouvant proposer son assistant IA nouvelle génération sur le marché tant que le blocage réglementaire persiste. Pour les acteurs tiers comme OpenAI ou Anthropic, l'accès promis à Android reste pour l'instant théorique, puisque Google dispose d'une année entière avant d'être contraint de l'ouvrir réellement. Cet épisode illustre les tensions récurrentes entre les géants technologiques américains et le cadre réglementaire européen depuis l'entrée en vigueur du DMA. Apple avait justifié l'absence de Siri AI en Europe en invoquant des risques pour la confidentialité, la sécurité et l'intégrité de son système si elle devait ouvrir son écosystème aux obligations d'interopérabilité imposées par Bruxelles. Google, en optant pour une approche plus conciliante et en acceptant de négocier le calendrier technique de sa mise en conformité, semble avoir mieux anticipé les attentes des régulateurs. La suite dépendra désormais de la capacité d'Apple à revoir sa stratégie de négociation avec la Commission, et de la manière dont Google gérera concrètement, d'ici 2027, l'ouverture d'Android à ses concurrents en intelligence artificielle.

Régulation⚖Reglementation

1 source

55

1175Latent Space 

« Kimi K3 2.8T-A50B : le plus grand modèle ouvert jamais publié, niveau Opus 4.8 au prix de Sonnet 5 »

Moonshot AI a officiellement lancé Kimi K3, un modèle open-weights qu'elle présente comme une "intelligence frontière ouverte" de 2,8 billions de paramètres au total, avec une fenêtre de contexte d'un million de tokens, une entrée multimodale native et deux innovations techniques maison : Kimi Delta Attention (KDA), qui promet un décodage jusqu'à 6,3 fois plus rapide sur des contextes très longs, et Attention Residuals (AttnRes), censé apporter environ 25% d'efficacité d'entraînement supplémentaire pour moins de 2% de coût additionnel. Le modèle est déjà disponible sur Kimi.com, Kimi Work, Kimi Code et via API, et Moonshot promet la publication des poids ouverts pour le 27 juillet 2026, ce qui en ferait le plus grand modèle open-weight jamais diffusé. Sur l'Arena Frontend Code, Kimi K3 s'est hissé à la première place avec 1679 points, dépassant Claude Fable 5, et bondissant de la 18e place (occupée par la version précédente K2.6) au sommet du classement, avec un taux de victoire en duel de 76% contre 63% pour Fable 5 et 58% pour GPT-5.6 Sol. Dans l'Arena Text, il se classe 9e avec 1486 points, contre 38e auparavant. Artificial Analysis, de son côté, lui attribue un score de 57 sur son Intelligence Index, le plaçant au niveau d'Opus 4.8 et de GPT-5.5, avec un coût par tâche de 0,94 dollar et environ 21% de tokens de sortie en moins que K2.6. Cette montée en puissance a des conséquences directes pour l'écosystème de l'IA générative. En proposant des performances comparables aux meilleurs modèles fermés à un tarif proche de celui de Sonnet 5, Kimi K3 renforce la pression concurrentielle sur les laboratoires occidentaux et confirme la capacité des acteurs chinois à rivaliser au plus haut niveau, après les précédents marquants de DeepSeek. Pour les développeurs et les entreprises, cela signifie un accès à un modèle taillé pour le codage agentique de long terme, les flux de travail auto-évolutifs et les usages "vision in the loop", où le modèle itère entre code et captures d'écran pour affiner ses productions, le tout à un coût potentiellement bien inférieur aux offres propriétaires équivalentes une fois les poids publiés. Le contexte de cette annonce s'inscrit dans une compétition de plus en plus tendue entre modèles ouverts et fermés, où chaque nouvelle génération cherche à combler l'écart avec les ténors du secteur, ici explicitement Claude Fable 5 et GPT-5.6 Sol, contre lesquels Moonshot reconnaît elle-même un "écart perceptible" en matière d'expérience utilisateur malgré des scores bruts compétitifs. L'architecture repose notamment sur une variante appelée LatentMoE, avec 16 experts activés sur 896 disponibles, un choix qui vise à maximiser la capacité du modèle tout en maîtrisant les coûts de calcul. La publication effective des poids fin juillet sera scrutée de près, tant elle pourrait rebattre les cartes de l'écosystème open-source face aux offres commerciales fermées.

LLMs⚡Actu

Aussi surVentureBeat AI

42

1176Apple Machine Learning 

L'oubli gratuit : exploiter les points à faible influence pour réduire les coûts de calcul

Le concept d'unlearning, c'est-à-dire la capacité à supprimer des données spécifiques d'un modèle d'intelligence artificielle déjà entraîné, prend une importance croissante face aux préoccupations grandissantes sur la protection de la vie privée dans le machine learning. Dans cette étude intitulée "When Unlearning Is Free: Leveraging Low Influence Points to Reduce Computational Costs", des chercheurs remettent en question l'approche actuelle des méthodes d'unlearning de pointe, qui traitent aujourd'hui tous les points de données à oublier de manière identique, sans distinction. Leur question centrale est simple: est-il vraiment nécessaire de supprimer des points de données qui n'ont qu'un impact négligeable sur l'apprentissage du modèle? À travers une analyse comparative des fonctions d'influence appliquée à des tâches de traitement du langage et de vision par ordinateur, l'équipe identifie des sous-ensembles de données d'entraînement dont le retrait n'affecte quasiment pas les résultats produits par le modèle. Cette découverte a des implications concrètes pour l'industrie de l'IA, confrontée à des obligations réglementaires de plus en plus strictes en matière de suppression de données personnelles. Si certains points peuvent être ignorés sans conséquence sur les performances du modèle, les entreprises pourraient réduire considérablement les coûts de calcul associés aux procédures d'unlearning, un processus aujourd'hui coûteux et complexe à grande échelle. Cette recherche s'inscrit dans un contexte où le droit à l'oubli numérique, notamment porté par des réglementations comme le RGPD en Europe, pousse les acteurs de l'IA à développer des solutions techniques efficaces pour se conformer aux demandes de suppression de données. Jusqu'à présent, la plupart des méthodes existantes ignoraient l'hétérogénéité de l'influence des données individuelles, ouvrant la voie à des approches plus ciblées et économes en ressources pour l'avenir de l'apprentissage automatique responsable.

Recherche❖Paper

1 source

44

1177MarkTechPost 

Moonshot AI dévoile Kimi K3, un modèle open MoE de 2,8 billions de paramètres avec Kimi Delta Attention et un contexte d'1M tokens

Moonshot AI a publié le 17 juillet 2026 son nouveau modèle Kimi K3, un système à 2,8 billions de paramètres doté d'une vision native et d'une fenêtre de contexte d'un million de tokens. L'entreprise chinoise le présente comme le premier modèle ouvert à franchir la barre des 3 000 milliards de paramètres, une taille encore inédite en open source. K3 repose sur une architecture Mixture-of-Experts éparse combinant deux innovations : Kimi Delta Attention (KDA), un mécanisme d'attention linéaire hybride qui accélérerait le décodage jusqu'à 6,3 fois sur des contextes d'un million de tokens, et Attention Residuals (AttnRes), qui optimise la circulation de l'information à travers la profondeur du réseau pour un gain d'efficacité d'entraînement d'environ 25 %, moyennant moins de 2 % de coût supplémentaire. Le modèle n'active que 16 de ses 896 experts à la fois grâce à un système baptisé Stable LatentMoE, avec un mécanisme de répartition appelé Quantile Balancing qui élimine les réglages heuristiques habituels. Combinées à d'autres innovations comme Per-Head Muon ou Gated MLA, ces optimisations offrent selon Moonshot une efficacité d'apprentissage 2,5 fois supérieure à celle de son prédécesseur Kimi K2. Pour le déploiement, K3 utilise une quantification en MXFP4 et MXFP8, et Moonshot recommande des configurations d'au moins 64 accélérateurs ; l'entreprise a également contribué une implémentation de KDA au projet vLLM. Sur le plan des performances, Kimi K3 reste globalement en retrait par rapport aux modèles propriétaires les plus puissants du marché, Claude Fable 5 d'Anthropic et GPT 5.6 Sol d'OpenAI, mais il les dépasse sur plusieurs benchmarks spécifiques : Program Bench, SWE Marathon, BrowseComp, Automation Bench et OmniDocBench, ce dernier mesurant l'analyse de documents avec un score de 91,1. Il reste derrière Fable 5 sur les tâches d'ingénierie logicielle complexes (FrontierSWE) et de raisonnement expert (HLE-Full), et derrière GPT 5.6 Sol sur DeepSWE. Pour les développeurs et les entreprises, cela signifie l'arrivée d'une alternative ouverte capable de rivaliser avec les meilleurs modèles fermés sur des cas d'usage concrets comme l'ingénierie logicielle à l'échelle d'un dépôt entier, la recherche automatisée ou le traitement de documents complexes, sans les coûts de licence ni les contraintes d'accès des API propriétaires. Ce lancement s'inscrit dans une course effrénée à la taille et à l'efficacité des modèles ouverts, où Moonshot a occupé neuf des douze derniers mois la position de plus gros modèle disponible en open source. Face à des géants comme Anthropic, OpenAI ou Google, mais aussi face à d'autres acteurs chinois comme Zhipu avec sa gamme GLM, l'entreprise mise sur la sparsité et des architectures d'attention plus efficaces pour compenser l'écart de ressources de calcul. Les cas d'usage mis en avant, agents de codage autonomes fonctionnant sur de longues sessions avec un minimum de supervision humaine, itération entre code et captures d'écran grâce à la vision intégrée, ou encore production de rapports de recherche approfondis s'appuyant sur des milliers de pages consultées, dessinent une trajectoire claire vers des systèmes d'IA capables de mener des tâches complexes en autonomie prolongée. La suite dépendra de l'adoption par la communauté open source et de la capacité de Moonshot à maintenir ce rythme d'innovation architecturale.

LLMs⚡Actu

1 source

41

1178AWS ML Blog 

Recherche entreprise pour agents avec Amazon Bedrock Managed Knowledge Base

Amazon vient d'annoncer la disponibilité générale de Managed Knowledge Base au sein d'Amazon Bedrock, une solution entièrement gérée de recherche documentaire pour agents et applications d'intelligence artificielle générative. Le service prend en charge la mise à l'échelle, la précision de la récupération d'information et le contrôle d'accès aux documents, sans que les équipes aient à assembler elles-mêmes connecteurs, parseurs, bases vectorielles et graphes de connaissances. Six connecteurs natifs sont proposés dès le lancement, couvrant Amazon S3, Microsoft SharePoint, Atlassian Confluence, Google Drive, Microsoft OneDrive et un robot d'exploration web, ainsi qu'une API d'ingestion directe pour les documents ne provenant d'aucune de ces sources. Lors des synchronisations suivantes, seuls les documents modifiés ou ajoutés sont retraités, ce qui réduit les délais et les coûts. Le démarrage via la console AWS ne nécessite aucune sélection de modèle : des paramètres par défaut permettent d'obtenir un premier résultat de recherche en quelques minutes, contre plusieurs jours ou semaines pour construire un pipeline équivalent à partir de zéro. Les utilisateurs avancés conservent la possibilité de personnaliser les modèles d'embedding, les rerankers et les stratégies de découpage des documents. Cette annonce répond à un problème très concret pour les entreprises qui veulent connecter leurs données internes à des agents IA : la gestion des droits d'accès aux documents. Managed Knowledge Base applique des vérifications de contrôle d'accès en temps réel, en plus d'un filtrage préalable, en interrogeant directement la source d'autorité au moment de la requête plutôt que de s'appuyer sur des listes d'autorisations potentiellement obsolètes. Les documents filtrés restent transitoires le temps de l'appel API et ne sont jamais exposés aux modèles de langage ni aux utilisateurs non autorisés. Deux entreprises citées dans l'annonce illustrent l'usage réel du service. Chez Syngenta Group, selon Jason Krohn, responsable des données et de l'IA, les employés créent désormais des bases de connaissances à la demande à partir de SharePoint et Confluence. Chez MRH Trowe, un copilote IA interne s'appuie sur ce service pour donner accès à des milliers de documents en anglais et en allemand, répartis entre Confluence et SharePoint, sans que l'équipe ait eu à construire de pipeline de récupération sur mesure, selon Malte Polley, responsable de l'analytique des données et de l'IA. Cette offre s'inscrit dans la course que se livrent les grands fournisseurs cloud pour simplifier la construction d'applications de recherche augmentée par IA (RAG) en entreprise, un chantier jusqu'ici coûteux en ingénierie et en maintenance. Amazon met en avant sa capacité à traiter des données multimodales, un enjeu central puisque les contenus d'entreprise mélangent pages web, fichiers contenant des images intégrées et autres formats hétérogènes. En intégrant nativement la sécurité, l'observabilité et la scalabilité attendues en production, Bedrock cherche à concurrencer directement les offres similaires de Microsoft et Google, alors que de plus en plus d'organisations cherchent à déployer des agents IA capables de raisonner sur leurs propres documents internes en toute confiance.

Outils⚒Outil

1 source

43

1179Ars Technica AI 

xAI ne peut plus nier que Grok génère des contenus pédopornographiques, alors il poursuit ses utilisateurs

xAI a déposé plainte mardi contre Terry Wayne Harwood, un utilisateur accusé d'avoir utilisé le chatbot Grok pour générer des contenus pédopornographiques illégaux. Harwood avait été arrêté plus tôt cette année en Caroline du Sud pour possession et distribution de matériel d'abus sexuel sur mineurs, selon l'annonce du procureur local. Selon la plainte de xAI, l'entreprise avait détecté que Harwood utilisait deux comptes xAI depuis plusieurs mois pour déshabiller virtuellement ou « nudifier » des images non sexuelles de plusieurs victimes, dont une jeune fille paraissant âgée d'environ 10 ans. xAI affirme avoir contribué activement à cette arrestation en signalant ces usages détournés de son outil aux autorités. Cette action judiciaire intervient alors que la pression s'accentue sur xAI, qui ne peut plus nier que Grok reste exploitable pour produire des images sexualisées non consenties, aussi bien d'adultes que de mineurs. En poursuivant directement un utilisateur plutôt qu'en se contentant de mesures techniques, l'entreprise d'Elon Musk cherche à démontrer sa capacité de dissuasion et sa responsabilité face à un problème qui touche l'ensemble de l'industrie de l'IA générative. Pour les victimes de ces manipulations d'images, cette affaire illustre les dommages concrets que peuvent causer les outils de génération d'images lorsqu'ils sont détournés à des fins malveillantes. Le contexte plus large est celui d'une inquiétude croissante concernant les capacités de « nudification » et de création de CSAM par les intelligences artificielles génératives, un phénomène qui a poussé plusieurs entreprises technologiques à renforcer leurs garde-fous ces derniers mois. La plainte de xAI contre Harwood constitue un signal fort : au-delà des correctifs techniques, les entreprises d'IA sont désormais prêtes à engager des poursuites civiles contre les utilisateurs qui exploitent leurs outils à des fins criminelles. Reste à savoir si cette stratégie judiciaire suffira à endiguer durablement les abus, ou si elle ne constitue qu'une réponse ponctuelle à une pression médiatique et réglementaire grandissante.

Sécurité⚡Actu

Aussi surNext INpact

46

1180The Decoder 

Le modèle ouvert K3 de Kimi se rapproche de GPT-5.6 Sol et Fable 5, marquant la fin de l'IA chinoise à bas coût

Kimi a annoncé le lancement de K3, un nouveau modèle multimodal à poids ouverts doté de 2,8 billions de paramètres et d'une fenêtre de contexte d'un million de tokens. Selon les benchmarks internes publiés par l'entreprise, K3 talonne de très près Claude Fable 5 et GPT-5.6 Sol, tout en dépassant nettement Opus 4.8 et GLM 5.2, avec des écarts parfois considérables sur certains tests. Les poids complets du modèle doivent être rendus publics d'ici le 27 juillet. Autre changement notable : la tarification de K3 est sensiblement plus élevée que celle de son prédécesseur. Cette hausse de prix marque un tournant pour l'écosystème chinois de l'IA, longtemps caractérisé par des modèles ouverts proposés à des coûts très inférieurs à ceux de leurs concurrents américains. Si K3 confirme ses performances une fois les poids disponibles pour la communauté, il rapprocherait encore l'offre open source chinoise du niveau des meilleurs modèles propriétaires, tout en réduisant l'écart de prix qui faisait jusqu'ici l'attractivité de ces alternatives pour les développeurs et les entreprises soucieux de maîtriser leurs coûts d'inférence. Le lancement s'inscrit dans une compétition de plus en plus serrée entre laboratoires chinois et occidentaux sur les modèles à très grande échelle et à contexte étendu, un terrain où Kimi, DeepSeek, Zhipu ou Alibaba multiplient les annonces depuis plusieurs mois. La publication des poids complets fin juillet permettra à la communauté de vérifier de façon indépendante ces résultats, dans un contexte où la fiabilité des benchmarks maison des éditeurs de modèles fait régulièrement débat.

LLMs⚡Actu

1 source