Actualités IA — page 68

9 302 articles au fil, du plus récent au plus ancien.

44

Illustration générée par IA

134101net 

« Personne n’est préparé » : OpenAI admet perdre le contrôle de ses IA

Le directeur scientifique d'OpenAI a publiquement fait part de son inquiétude face à la vitesse des progrès de l'intelligence artificielle, affirmant que « personne n'est préparé » aux conséquences de cette évolution, en particulier dans le domaine de la cybersécurité. Selon lui, les garde-fous internes qu'OpenAI a mis en place pour encadrer ses propres systèmes perdent progressivement en efficacité à mesure que les modèles gagnent en puissance et en autonomie. Face à ce constat, il en appelle à l'ensemble du secteur de l'intelligence artificielle pour qu'il ralentisse le rythme effréné de la recherche, plutôt que de continuer une course où chaque acteur cherche à devancer ses concurrents. Cette mise en garde prend un relief particulier venant de l'intérieur même d'OpenAI, l'entreprise à l'origine de ChatGPT et considérée comme l'un des laboratoires les plus avancés du secteur. Qu'un responsable scientifique de ce niveau admette que les dispositifs de sécurité censés contenir les dérives de ses propres modèles s'avèrent insuffisants alimente les craintes déjà exprimées par des chercheurs et des régulateurs sur les risques liés à des systèmes toujours plus capables, notamment en matière d'usages malveillants comme les cyberattaques automatisées. Cet aveu s'inscrit dans un contexte de compétition intense entre les grands laboratoires d'intelligence artificielle, OpenAI, Google DeepMind, Anthropic ou encore Meta, qui publient des modèles toujours plus performants à un rythme soutenu, souvent au détriment du temps consacré aux tests de sécurité. Il relance le débat sur la nécessité d'une régulation contraignante du secteur, alors que les appels à une pause ou à un ralentissement de la recherche, déjà lancés par le passé, n'ont jusqu'ici jamais été suivis d'effet concret par les principaux acteurs concernés.

Sécurité⚡Actu

Aussi surNumerama

38

Illustration générée par IA

1342MIT Technology Review 

Cet entrepreneur en IA développe des agents capables d'anticiper l'imprévu

Danijar Hafner, 31 ans, développe une nouvelle startup depuis un bureau presque vide du quartier SoMa à San Francisco, encore en mode furtif et sans nom affiché sur la porte. L'espace, dépourvu de mobilier, est en revanche rempli de robots humanoïdes de tailles et formes variées, suspendus comme des marionnettes sur des racks, importés de Chine. Hafner s'appuie sur l'apprentissage par renforcement basé sur des modèles du monde, des systèmes d'IA conçus pour simuler la réalité physique, dans lesquels des agents s'entraînent avant d'agir dans le monde réel. Il a bâti sa réputation avec une série de modèles baptisés Dreamer: Dreamer 2 a été le premier agent à atteindre un niveau humain sur les jeux Atari 2600 via un modèle du monde, Dreamer 3 le premier à résoudre le défi Minecraft Diamond en minant seul des gemmes, et Dreamer 4 a franchi une étape supplémentaire en apprenant à miner du diamant à partir d'un simple jeu de données vidéo enregistré, sans jamais interagir directement avec le jeu. Son premier modèle marquant, PlaNet, permettait déjà à des agents de planifier leurs actions à l'avance. L'enjeu de cette technologie est de permettre à des robots d'évoluer dans des environnements qu'ils n'ont jamais rencontrés en entraînement, condition indispensable pour les faire entrer dans des espaces humains comme un domicile, avec son agencement de meubles et de pièces totalement inédit. Contrairement aux approches classiques de la robotique, qui reposent sur un long entraînement par essais et erreurs dans le monde réel, la méthode de Hafner permet aux agents d'exécuter des tâches complexes en s'appuyant sur des simulations internes, ce qu'il décrit lui-même comme une capacité à "rêver" ou "imaginer" des scénarios futurs pour mieux anticiper l'imprévu. Timothy Lillicrap, chercheur chez Google DeepMind et ancien manager de Hafner, le décrit comme faisant partie du top 0,5% des chercheurs qu'il côtoie, capable de construire seul ce qui demanderait normalement des équipes entières d'ingénieurs. Originaire d'une petite ville rurale du nord-est de l'Allemagne, fils de musiciens classiques, Hafner a appris la programmation auprès d'un voisin avant de se passionner pour l'IA au lycée. Étudiant en ingénierie à l'institut Hasso Plattner de Potsdam, il a rejoint Google Brain comme chercheur dès 2015, puis enchaîné une douzaine de stages et postes entre Google Brain et Google DeepMind au Royaume-Uni, au Canada et aux États-Unis, travaillant notamment aux côtés de Geoffrey Hinton, considéré comme l'un des pères fondateurs de l'IA, et d'Ashish Vaswani, coauteur de l'article fondateur "Attention Is All You Need" à l'origine des transformers. Plus récemment, avec son projet DayDreamer, Hafner a commencé à faire sortir ses agents du monde virtuel pour les confronter à la réalité physique, une transition qui semble aujourd'hui se concrétiser à travers sa nouvelle startup et ses humanoïdes suspendus dans un bureau de San Francisco.

Robotique⚡Actu

1 source

36

Illustration générée par IA

1343FrenchWeb 

CYBER DECEPTION : face aux agents IA offensifs, la cybersécurité apprend à mentir

Pendant des décennies, la cybersécurité a fonctionné selon une logique défensive classique : repérer l'attaquant, bloquer sa progression et protéger les actifs critiques. Cette doctrine est aujourd'hui bousculée par la montée des agents d'intelligence artificielle offensifs, capables d'automatiser des pans entiers d'une attaque, de la reconnaissance initiale jusqu'à l'exploitation de vulnérabilités et l'exploration latérale d'un système d'information. Face à cette automatisation, une approche ancienne revient au premier plan chez les défenseurs : la déception numérique, ou cyber déception, qui consiste à semer délibérément de fausses informations, de faux identifiants, de fausses données ou des systèmes leurres au sein des réseaux pour tromper l'attaquant plutôt que de simplement chercher à l'arrêter. Cette évolution change la donne pour les équipes de sécurité comme pour les fournisseurs de solutions. Un agent IA offensif opère à une vitesse et une échelle que l'humain ne peut égaler, scannant et testant des centaines de cibles en parallèle. En semant le doute dans les données qu'il collecte, la déception oblige l'attaquant, humain ou automatisé, à vérifier chaque information avant d'agir, ce qui ralentit sa progression, augmente son coût opérationnel et permet aux défenseurs de le détecter plus tôt, avant qu'il n'atteigne les actifs réellement critiques. Pour les entreprises confrontées à des attaques de plus en plus automatisées, cette bascule offre un moyen de reprendre l'initiative sans se contenter d'une posture purement réactive. Ce mouvement s'inscrit dans une tendance plus large où l'intelligence artificielle agentique redessine à la fois l'attaque et la défense en cybersécurité. Des outils offensifs à base de modèles de langage sont déjà utilisés pour automatiser des tests d'intrusion, tandis que les éditeurs de sécurité développent en retour des plateformes de déception assistées par IA, capables de générer des leurres crédibles et adaptatifs. Cette dynamique dessine les contours d'une forme de course entre agents attaquants et agents défenseurs, où la capacité à tromper devient un avantage stratégique aussi important que la capacité à détecter.

Sécurité❧Opinion

1 source

31

Illustration générée par IA

1344AI News 

Coca-Cola utilise l'IA pour améliorer les commandes des détaillants en Malaisie

Coca-Cola a dévoilé les résultats de sa fonctionnalité Perfect Basket, déployée en Malaisie sur sa plateforme de commande Coke Buddy. Cet outil utilise le Central Recommendation Engine du groupe pour analyser l'historique des commandes, leur fréquence, la saisonnalité, la météo et les habitudes d'achat d'entreprises comparables, afin de suggérer aux détaillants quels produits commander et en quelle quantité. Coke Buddy, décrit comme une plateforme d'auto-commande accessible via application, site web ou WhatsApp, dessert actuellement environ 39 000 points de vente à travers le pays. Entre janvier et avril 2026, Coca-Cola a mené la campagne « Perfect Basket, Perfect Ride » pour inciter les détaillants à utiliser cette fonction lors de leurs commandes : elle a recueilli plus de 4 500 participations émanant de plus de 4 000 détaillants, dont 83 % ont adopté les recommandations proposées. L'entreprise affirme que les points de vente ayant suivi ces suggestions ont enregistré une croissance de leur chiffre d'affaires supérieure à celle de détaillants comparables, sans toutefois préciser l'ampleur de cet écart ni fournir de données détaillées sur l'impact des recommandations sur les stocks ou la logistique. Cette initiative illustre la manière dont l'intelligence artificielle s'immisce désormais dans la chaîne d'approvisionnement des grandes marques de consommation, en automatisant des décisions autrefois prises par les commerciaux sur le terrain. Pour Coca-Cola, l'enjeu est double : optimiser les ventes en réduisant les ruptures ou les surstocks chez ses détaillants, tout en libérant du temps pour ses équipes commerciales, désormais recentrées sur le développement de comptes plutôt que sur la prise de commandes routinières. Les détaillants conservent la décision finale d'achat, ce qui limite les risques perçus d'automatisation excessive, tout en bénéficiant potentiellement d'une meilleure gestion de leurs stocks et d'une hausse de leurs ventes, un argument commercial fort pour convaincre davantage de points de vente d'adopter ces outils numériques. Ce déploiement malaisien s'inscrit dans une stratégie mondiale plus large de Coca-Cola. Lors de la publication de ses résultats du premier trimestre 2024, le groupe indiquait avoir connecté, avec ses partenaires embouteilleurs, près de huit millions de clients à des plateformes B2B, et avoir étendu ses capacités de commande suggérée par IA à plus de trois millions de points de vente en Amérique latine. L'ancien directeur général James Quincey avait alors souligné que ces systèmes permettaient aux détaillants d'ajuster leurs livraisons sans attendre le passage d'un commercial. Lors de son bilan du deuxième trimestre 2024, Coca-Cola avait aussi rapporté que les détaillants recevant des recommandations générées par IA étaient plus de 30 % plus susceptibles d'acheter les références suggérées lors de premiers essais pilotes, un résultat distinct de l'expérience malaisienne mais révélateur de la trajectoire empruntée par le groupe.

Business⚡Actu

1 source

47

Illustration générée par IA

1345AI News 

La prévision météo par IA entre sur le marché de l'énergie : Google cible les gestionnaires de réseau avec WeatherNext 3

Google DeepMind et Google Research ont dévoilé le 3 septembre WeatherNext 3, un nouveau modèle de prévision météorologique par intelligence artificielle qui vise directement le secteur de l'énergie. L'outil calcule la vitesse du vent à 100 mètres d'altitude, soit à peu près la hauteur d'une éolienne moderne, ainsi que la couverture nuageuse et l'ensoleillement au sol, avec une actualisation toutes les heures. Il produit une prévision mondiale à une résolution de cinq kilomètres pour des variables comme la température et l'humidité, contre une grille de 25 kilomètres et une mise à jour toutes les six heures pour la version précédente, WeatherNext 2. Ces données alimentent déjà Google Search, l'application Gemini, Google Maps et l'API Google Maps Platform Weather côté grand public. Côté entreprise, elles sont accessibles via BigQuery et Earth Engine, ou téléchargeables en masse depuis Google Cloud Storage, sans configuration de modèle requise pour le client. Cette bascule vers le marché de l'énergie répond à un problème concret de gestion des réseaux électriques. Selon le rapport US Grid Outlook 2026 de S&P Global Market Intelligence, le solaire et le stockage d'énergie représenteront cette année l'essentiel des nouvelles capacités installées aux États-Unis, avec respectivement 51,2 et 25,7 gigawatts sur plus de 90 gigawatts prévus au total, des sources dont la production dépend directement de la météo plutôt que de la demande. Côté consommation, l'essor des centres de données liés à l'IA pousse la demande à la hausse : Deloitte prévoit dans son rapport 2026 sur les services publics d'électricité une croissance du pic de demande d'environ 26 % d'ici 2035, la seule demande des data centers pouvant atteindre 176 gigawatts, soit cinq fois son niveau de 2024. Une prévision de vent ou de soleil erronée coûte cher dans les deux sens : sous-estimer la production oblige les opérateurs à acheter de l'électricité de secours, souvent produite au gaz, tandis que la surestimer conduit à payer des parcs éoliens ou solaires pour cesser de produire faute de capacité d'absorption du réseau. Google entre ainsi sur un marché déjà occupé par des acteurs spécialisés comme Vaisala, Solcast, DNV avec WindGEMINI, IBM avec HyperWatch, ou la start-up suisse Jua, dont le modèle EPT-2 revendique une actualisation vingt-quatre fois par jour contre quatre habituellement chez ses concurrents. L'atout de Google réside dans la diffusion de ses données sur l'ensemble de son écosystème cloud et grand public, un avantage qu'aucun fournisseur spécialisé ne possède. Jua rétorque que les modèles physiques comme l'HRES du Centre européen ECMWF restent supérieurs aux modèles purement fondés sur les données lors d'événements météorologiques extrêmes, un argument qui sert toutefois ses propres intérêts commerciaux dans un marché appelé à peser de plus en plus lourd à mesure que la demande électrique liée à l'IA s'accélère.

Outils❧Opinion

1 source

42

Illustration générée par IA

1346Le Big Data 

ChatGPT apprend votre façon d’écrire : vos tics de langage n’ont plus de secrets pour lui

OpenAI a annoncé le 7 septembre 2026, via le compte X officiel de ChatGPT, une nouvelle fonctionnalité intégrée à ChatGPT Work permettant à l'assistant d'apprendre automatiquement le style d'écriture de chaque utilisateur. Concrètement, l'IA peut désormais analyser les e-mails, messages et documents produits par une personne pour repérer ses tournures favorites, ses formules d'introduction et de conclusion récurrentes, sa ponctuation habituelle ou encore ses habitudes en matière de majuscules. Pour alimenter cette analyse, ChatGPT Work se connecte aux outils professionnels déjà utilisés au quotidien, notamment Gmail, Google Drive, Slack et SharePoint. L'activation se fait très simplement, depuis les Paramètres du compte, dans la rubrique Personnalisation, puis Style d'écriture, ou via un lien de configuration web dédié. Une fois activée, l'option s'applique à l'ensemble des échanges avec ChatGPT Work, aussi bien sur mobile que sur ordinateur, et elle est disponible pour tous les abonnements payants. Cette évolution change concrètement la manière dont les professionnels interagissent avec l'IA générative pour la rédaction. Jusqu'ici, obtenir un texte fidèle à sa propre voix supposait de détailler manuellement le ton souhaité à chaque nouvelle conversation, en précisant les expressions à privilégier ou à éviter. Avec cette nouvelle approche, c'est l'historique réel de communication de l'utilisateur qui sert de référence, ce qui réduit le temps passé à formuler des instructions et rend les textes générés plus cohérents avec l'identité rédactionnelle de la personne. Pour les entreprises qui déploient l'IA à grande échelle dans leurs équipes, cela représente un gain de temps tangible et une meilleure adoption, chaque collaborateur retrouvant sa propre patte dans les mails ou documents assistés par IA, plutôt qu'un style générique et uniforme. Cette annonce s'inscrit dans la stratégie plus large d'OpenAI visant à ancrer ChatGPT dans les environnements de travail des entreprises, en concurrence directe avec Microsoft Copilot et Google Gemini, tous deux déjà intégrés aux suites bureautiques Office 365 et Workspace. En misant sur la connexion à des outils comme Gmail, Slack ou SharePoint pour construire un profil rédactionnel personnalisé, OpenAI cherche à renforcer l'ancrage quotidien de ChatGPT Work dans les usages professionnels, au-delà de la simple génération de texte à la demande. Cette fonctionnalité soulève aussi la question de la gestion des données personnelles et professionnelles collectées pour construire ce profil stylistique, un sujet sur lequel OpenAI n'a pas communiqué de détails supplémentaires au moment de l'annonce. L'évolution de cette fonctionnalité et son adoption par les entreprises seront à surveiller dans les prochains mois.

Outils⚒Outil

1 source

55

Illustration générée par IA

1347FrenchWeb 

Avec 3 milliards d’euros, MISTRAL change de métier

Mistral AI annonce une levée de fonds de 3 milliards d'euros, trois ans à peine après sa création en avril 2023 par Arthur Mensch, Guillaume Lample et Timothée Lacroix. Cette opération valorise la start-up française à plus de 21 milliards d'euros, confirmant sa place parmi les entreprises d'intelligence artificielle les mieux capitalisées en Europe. Fait notable, ce capital ne sera pas consacré uniquement à l'entraînement de nouveaux modèles de langage, activité pourtant coûteuse en calcul et en données. Mistral entend l'utiliser pour construire une pile technologique complète, couvrant la recherche fondamentale, le développement logiciel, le déploiement auprès des clients et l'accès à des capacités de calcul propres. Ce changement de stratégie marque une bascule importante pour l'entreprise. En cherchant à maîtriser davantage de couches de la chaîne de valeur de l'IA, plutôt que de se limiter à la conception de modèles vendus via API, Mistral élargit son marché potentiel et se rapproche de ses clients finaux. Cette approche verticale intéresse directement les entreprises et administrations qui cherchent des solutions d'IA complètes, du modèle à l'infrastructure, et pourrait renforcer la position de Mistral face aux géants américains comme OpenAI ou Google. Cette levée s'inscrit dans une course mondiale aux capitaux où les besoins en puissance de calcul explosent, poussant les acteurs de l'IA générative à multiplier des tours de table de plusieurs milliards. Pour l'écosystème européen, souvent jugé dépendant des technologies américaines et chinoises, la montée en puissance de Mistral représente un enjeu de souveraineté numérique. Reste à savoir si cette diversification vers le logiciel et l'infrastructure permettra à l'entreprise française de tenir la comparaison face à des concurrents disposant de moyens financiers encore supérieurs.

Business❧Opinion

Aussi surFrandroid,Maddyness,ZDNET FR,ActuIA,Next INpact,Numerama

40

Illustration générée par IA

1348Frandroid 

Dessiner un plan à partir de photos ? GPT-6 Astra s’approche du niveau humain

GPT-6 Astra, le dernier modèle d'IA dévoilé par OpenAI, s'est hissé en tête du classement Blueprint-Bench 2, dépassant ainsi Claude Fable 5.1 d'Anthropic qui occupait jusqu'alors la première place. Ce benchmark évalue la capacité d'une intelligence artificielle à reconstituer le plan d'un appartement à partir d'une simple série de photos, un exercice que n'importe quel humain réalise sans effort particulier mais qui constituait jusqu'ici l'un des angles morts persistants des grands modèles de langage multimodaux. Le classement met ainsi en évidence un basculement net dans la hiérarchie des modèles sur cette tâche précise de raisonnement spatial. Cette progression est significative parce que la lecture spatiale à partir d'images reste l'un des domaines où les IA généralistes accusent historiquement un net retard par rapport aux compétences humaines, malgré des avancées spectaculaires en langage ou en génération de texte. Un modèle capable de transformer des photos en plan cohérent ouvre des applications concrètes pour l'immobilier, l'architecture, l'assurance ou encore les métiers du bâtiment, où la production rapide de plans à partir de simples clichés pourrait automatiser des tâches aujourd'hui confiées à des professionnels spécialisés. Pour les utilisateurs comme pour les entreprises du secteur, cela signifie potentiellement des gains de temps et une réduction des coûts sur des opérations jusqu'ici manuelles. Ce résultat s'inscrit dans une compétition serrée entre OpenAI et Anthropic, dont les modèles respectifs, GPT-6 Astra et Claude Fable 5.1, se disputent régulièrement la tête des benchmarks multimodaux les plus exigeants. Le raisonnement spatial et la compréhension d'images complexes constituent désormais un terrain d'affrontement stratégique entre les grands laboratoires d'IA, au même titre que le codage ou le raisonnement mathématique. Reste à voir si cette avancée sur Blueprint-Bench 2 se traduira par des intégrations concrètes dans des outils grand public ou professionnels, et si Anthropic répliquera rapidement avec une nouvelle version de Claude Fable.

LLMs❖Paper

1 source

42

Illustration générée par IA

1349Le Big Data 

Flux : tout savoir sur le générateur d’images open source qui défie Midjourney

Black Forest Labs, une startup allemande fondée par d'anciens chercheurs de l'équipe originelle de Stable Diffusion, a lancé son générateur d'images Flux en août 2024, avec l'ambition affichée de concurrencer Midjourney sur le terrain de la création visuelle par intelligence artificielle. L'outil repose sur une architecture appelée "flow matching", qui remplace la diffusion classique et améliore la fidélité aux descriptions textuelles ainsi que le rendu des anatomies humaines. La première génération, Flux.1, se déclinait en trois versions : Pro, fermée et accessible uniquement par serveur ; Dev, aux poids ouverts mais réservée à un usage non commercial ; et Schnell, distribuée sous licence permissive Apache/MIT, rapide même sur des cartes graphiques grand public et exploitable pour des projets commerciaux. Fin novembre 2025, Black Forest Labs a lancé Flux.2, une deuxième génération déclinée en versions pro, flex, dev, et depuis janvier 2026 klein, pensée pour une génération d'images en moins d'une seconde. La version premium atteint désormais une résolution native de quatre mégapixels et peut intégrer simultanément huit à dix images de référence. Cette montée en puissance change concrètement la donne pour les professionnels de la création visuelle. La disparition des défauts classiques des générateurs d'images, comme les mains difformes ou les visages peu naturels, rend l'outil crédible pour des usages professionnels et commerciaux, du design de personnages à la production de contenu de marque. La gestion simultanée de plusieurs images de référence permet notamment de conserver la cohérence visuelle d'un personnage ou d'un produit à travers différentes générations, un besoin central pour les marques et les studios créatifs. Surtout, le caractère open source de la version Schnell, déployable localement sur du matériel modeste, démocratise l'accès à une technologie jusque là dominée par des services propriétaires payants comme Midjourney, en donnant aux développeurs et créateurs indépendants un contrôle total sur leurs usages, y compris commerciaux. Ce positionnement s'inscrit dans un marché de la génération d'images par IA devenu extrêmement concurrentiel en 2026, où les acteurs fermés côtoient un écosystème open source de plus en plus mature. Black Forest Labs mise sur son ouverture et sa rapidité d'itération, portée par l'expérience de ses fondateurs sur Stable Diffusion, pour s'imposer comme une alternative européenne crédible face aux géants américains du secteur. L'arrivée rapprochée de nouvelles variantes, dont la version klein orientée vitesse d'exécution, illustre une cadence de développement soutenue et une volonté de couvrir tous les segments d'utilisateurs, du hobbyiste au studio professionnel, laissant présager de nouvelles itérations dans les mois à venir.

Création⚡Actu

1 source

42

Illustration générée par IA

1350Le Big Data 

[Vidéo] Seedance 2.5 : jusqu’à 30 secondes de vidéo avec un seul prompt (audio intégré)

Seedance 2.5, un nouveau modèle de génération vidéo par intelligence artificielle, permet désormais de produire jusqu'à 30 secondes de vidéo à partir d'un seul prompt, contre 10 à 15 secondes habituellement pour la plupart des générateurs concurrents. Sa particularité majeure réside dans la génération d'audio synchronisée : dialogues, bruitages, musique et ambiance sonore sont créés simultanément à l'image plutôt qu'ajoutés a posteriori, le tout pilotable directement depuis le texte du prompt. Le modèle intègre également un système de montage vidéo assisté par IA ainsi qu'une gestion étendue des références visuelles, désormais fixée à 50 images ou vidéos par génération, contre 9 images et 3 vidéos seulement sur la version précédente de l'outil. Trois démonstrations illustrent ces capacités : une scène d'action avec dialogues en français, un concert live avec chanson intégrée, et la transformation d'une séquence en scène d'horreur. Cette avancée marque un tournant pour les créateurs de contenu vidéo assistée par IA, car elle réduit fortement les étapes de post-production habituellement nécessaires. Jusqu'ici, l'ajout d'un son cohérent et synchronisé restait l'un des obstacles principaux à des vidéos IA convaincantes, un audio mal calé ou artificiel pouvant ruiner un rendu visuel par ailleurs réussi. En automatisant cette synchronisation dès la génération, Seedance 2.5 simplifie le flux de travail pour les créateurs, monteurs et professionnels du marketing vidéo. L'augmentation du nombre de références autorisées permet en outre de maintenir une cohérence visuelle sur des projets plus longs et plus ambitieux, avec des personnages et décors stables d'une scène à l'autre, un enjeu clé pour toute production narrative sérielle. Cette évolution s'inscrit dans une course technologique intense entre les différents générateurs vidéo par IA, où la durée des séquences, la cohérence visuelle et désormais l'intégration audio deviennent des critères de différenciation majeurs. Les versions précédentes de ce type d'outils se limitaient souvent à de courts clips silencieux ou nécessitaient un doublage ajouté manuellement en post-production. À mesure que ces modèles gagnent en autonomie créative, ils redessinent les usages possibles pour la publicité, le cinéma indépendant ou la création de contenu sur les réseaux sociaux, tout en posant la question de la maîtrise du prompt comme nouvelle compétence technique pour exploiter pleinement ces outils sans multiplier les tentatives coûteuses en crédits.

Création⚡Actu

1 source

46

Illustration générée par IA

1351Next INpact 

IA : NVIDIA a investi 99 milliards de dollars, pour l’essentiel chez ses clients

NVIDIA a déclaré ce trimestre un portefeuille d'investissements de 99 milliards de dollars, un montant qui a été multiplié par 14 en un an et par 45 en deux ans : la société ne détenait que 7 milliards de dollars de participations en juillet 2025, contre 2,2 milliards un an plus tôt. Ces sommes se répartissent en 48 milliards de dollars dans des entreprises cotées en bourse, 48 milliards dans des sociétés privées et 3 milliards comptabilisés selon la méthode de mise en équivalence. Côté participations publiques, NVIDIA détenait fin juin 2026 pour 30 milliards de dollars d'actions Intel et 21 milliards dans SpaceX, ainsi que des positions de 2 à 5 milliards de dollars dans CoreWeave, Coherent, Synopsys et Nokia. Du côté privé, l'entreprise a soutenu Nebius, concurrent de CoreWeave dans la location de capacité de calcul, ainsi que Lumentum et Marvell, spécialisées dans la photonique. Le laboratoire Thinking Machine Lab négocierait actuellement une levée de 6 milliards de dollars dont 2,5 milliards pourraient venir de NVIDIA. À cela s'ajoutent le rachat de Hugging Face pour 12,9 milliards de dollars et un soutien au crédit de 105 milliards de dollars pour permettre à OpenAI de construire un centre de données dans l'Ohio. Cette stratégie fait de NVIDIA bien plus qu'un simple fournisseur de puces : l'entreprise finance désormais massivement les clients qui achètent ses propres processeurs, créant un circuit fermé où son argent revient in fine dans ses ventes de matériel. Pour la directrice financière Colette Kress, ce soutien est nécessaire car les besoins en calcul des laboratoires d'IA générative dépassent leurs capacités d'emprunt classiques, ce qui empêcherait sinon l'innovation de se poursuivre au rythme actuel. Mais cette centralité inquiète : elle donne à NVIDIA un pouvoir d'influence considérable sur l'orientation de toute l'industrie de l'IA, et alimente les craintes d'une bulle spéculative où la croissance affichée du secteur reposerait en partie sur des flux financiers internes plutôt que sur une demande organique. Ces montages financiers s'inscrivent dans un contexte où les jeunes pousses de l'IA générative, souvent à peine sorties de leur phase de création, ont besoin de capitaux considérables pour accéder aux GPU nécessaires à l'entraînement de leurs modèles. Le capital-risque classique peine à suivre ce rythme, ce qui pousse des acteurs comme NVIDIA à devenir eux-mêmes investisseurs et créanciers. Cette situation attire des critiques de poids : Michael Burry, connu pour avoir anticipé la crise des subprimes, dénonce la pratique consistant à financer et investir dans ses propres clients, tandis que l'investisseur Mark Cuban a également exprimé des réserves. La question de savoir si ce modèle de croissance circulaire est soutenable, ou s'il prépare une correction brutale du secteur, reste ouverte.

Business❧Opinion

1 source

49

Illustration générée par IA

1352Le Big Data 

Ce CAPTCHA devait prouver que vous êtes humain : GPT-6 Astra vient de le réussir

Astra, le dernier modèle d'OpenAI spécialisé dans l'usage d'un ordinateur, vient de terminer les 48 niveaux du jeu « I'm Not a Robot », une expérience en ligne créée par le développeur Neal Agarwal (site neal.fun) et sortie en septembre 2025. Sharif Shameem, ingénieur au sein de l'équipe Labs d'OpenAI, a publié le 7 septembre 2026 sur X une vidéo de quatre minutes montrant le modèle enchaîner l'ensemble des épreuves. Le jeu reprend le principe classique des CAPTCHA, ces tests censés distinguer un humain d'un robot, mais pousse le concept à l'extrême avec des défis absurdes : manipuler une voiture Waymo au clavier, jouer aux échecs, saisir du texte affiché en rotation 3D ou encore réussir des séquences basées sur le rythme. Devenu viral depuis sa sortie, avec des vidéos de solutions dépassant les 100 000 vues et des speedruns bouclés en quelques minutes par les meilleurs joueurs humains, le jeu vient donc de tomber face à une intelligence artificielle. OpenAI présente Astra comme son modèle le plus performant pour naviguer sur Internet, déplacer un curseur, cliquer sur des éléments, remplir des formulaires et interpréter ce qui s'affiche à l'écran, exactement les compétences requises par l'épreuve. Cette performance illustre à quel point les CAPTCHA, censés bloquer l'accès automatisé à des services en ligne, deviennent obsolètes face à des agents capables de piloter un navigateur comme un utilisateur humain. Les conséquences dépassent le simple jeu : si une IA peut cliquer, taper et interpréter une interface avec cette précision, c'est toute l'architecture de vérification anti-bot du web, formulaires, connexions, réservations, achats en ligne, qui perd son efficacité. Les avis divergent toutefois sur la portée de l'exploit. Jensen Huang, patron de Nvidia, y voit une étape vers l'intelligence artificielle générale (AGI), tandis que le chercheur François Chollet tempère cet enthousiasme, rappelant qu'une intelligence réellement générale doit résoudre des problèmes inédits plutôt que mobiliser des compétences déjà acquises pendant l'entraînement. Cette avancée s'inscrit dans une trajectoire déjà entamée par OpenAI, dont l'agent précédent, Operator, savait déjà naviguer et cliquer sur le web, mais avec une précision et une capacité d'adaptation moindres qu'Astra. Face à cette obsolescence annoncée des CAPTCHA classiques, l'industrie cherche déjà des parades : Cloudflare a lancé en juillet 2026 un système baptisé Precursor, qui ne repose plus sur un test ponctuel mais collecte en continu des signaux comportementaux côté navigateur tout au long d'une session pour distinguer humains et agents automatisés. La bascule est significative : à mesure que les modèles progressent dans leur maîtrise de la souris, du clavier et des interfaces, la sécurité web devra s'appuyer sur une surveillance comportementale continue plutôt que sur des épreuves ponctuelles, un changement de paradigme dont les répercussions concernent aussi bien les éditeurs de sites que les utilisateurs ordinaires.

Sécurité❧Opinion

1 source

43

Illustration générée par IA

1353Le Big Data 

Unitree lance une IA de combat autonome : ses robots se battent seuls, pour de vrai

Unitree, l'entreprise chinoise de robotique connue pour ses robots humanoïdes et quadrupèdes agiles, a dévoilé le 7 septembre 2026 un nouveau modèle d'intelligence artificielle baptisé UnifoLM-X2-1.0, conçu pour permettre à ses robots de combattre de manière totalement autonome, sans télécommande ni pilote humain. Présenté via une vidéo publiée sur le compte X de l'entreprise (@UnitreeRobotics), le système repose sur ce qu'Unitree appelle un modèle du monde : plutôt que de simplement exécuter une séquence de mouvements préprogrammée, le robot analyse en continu son environnement, localise son adversaire, anticipe ses déplacements possibles et décide lui-même de sa prochaine action. Dans la démonstration, un robot humanoïde enchaîne des mouvements de boxe, gère son équilibre, ajuste ses appuis et son centre de gravité, esquive et feinte, réagissant en temps réel aux actions de son opposant. Unitree revendique une boucle de perception, prédiction, planification et exécution nettement plus rapide que les systèmes robotiques pilotés par IA existants. Cette avancée marque une étape importante pour l'industrie de la robotique humanoïde, car elle s'attaque à l'un des obstacles majeurs du secteur : la lenteur de la planification décisionnelle en temps réel. Un robot capable de percevoir, prédire et agir en une fraction de seconde ouvre la voie à des applications bien au-delà du combat spectacle, comme l'intervention en environnement instable, la logistique dynamique ou l'assistance physique où l'imprévisibilité de l'environnement exige une adaptation instantanée. Pour Unitree, qui s'est jusqu'ici distinguée par l'agilité mécanique de ses machines (marche, course, sauts, mouvements acrobatiques), cette démonstration signale un déplacement stratégique vers l'autonomie décisionnelle et cognitive, un terrain où la concurrence avec des acteurs comme Boston Dynamics, Figure AI ou Tesla se joue désormais autant sur l'intelligence embarquée que sur la performance physique. Elle soulève aussi des questions sur l'usage de robots capables de combat autonome, entre démonstration technologique impressionnante et interrogations sur les applications potentielles de systèmes conçus pour anticiper et neutraliser un adversaire. Cette annonce s'inscrit dans une course mondiale à l'humanoïde où la mobilité, longtemps le principal critère de différenciation, cède progressivement la place à l'autonomie cognitive comme nouveau champ de bataille technologique. Unitree, qui a bâti sa réputation sur des robots relativement abordables et très mobiles, cherche ainsi à combler l'écart avec des concurrents qui misent davantage sur l'intelligence artificielle générale appliquée à la robotique. Le choix du combat comme vitrine n'est pas anodin : il s'agit d'un scénario extrême, exigeant en réactivité et en gestion de l'équilibre, qui permet de mettre en scène de façon spectaculaire les capacités du modèle UnifoLM-X2-1.0. Reste à savoir si cette autonomie décisionnelle se traduira par des applications commerciales concrètes, dans l'industrie, la sécurité ou le service, et comment Unitree et ses concurrents encadreront le déploiement de robots de plus en plus capables d'agir sans supervision humaine directe.

Robotique⚡Actu

1 source

36

Illustration générée par IA

1354MarkTechPost 

Reducto lance r-1, un modèle d'analyse de documents en une passe qui réduit les erreurs de 20% pour 1 cent par page

La semaine dernière, la start-up Reducto a lancé r-1, premier modèle d'une nouvelle famille de parsing documentaire fondée sur une architecture réécrite. Il remplace l'ancien pipeline OCR agentique multi-étapes par une passe unique par page, qui extrait en même temps texte, tableaux, figures, mise en page, ordre de lecture, mise en forme et coordonnées de position pour chaque bloc. Le modèle est accessible dès maintenant en préversion via l'API Parse hébergée de Reducto (version V3), activable par un simple paramètre de configuration ; aucun poids ouvert ni version auto-hébergeable n'est proposé, mais la plateforme couvre cloud multi-tenant, VPC client, installations sur site et environnements air gap, avec certification SOC 2 Type II et conformité HIPAA sur les offres avancées. Reducto revendique une baisse de 20% du taux d'erreur par rapport à ses propres pipelines agentiques antérieurs, et un tarif de 1 cent par page tout compris, contre 3 à 6 cents auparavant. Cette consolidation vise avant tout le coût d'orchestration, plus que la seule précision brute : les équipes qui traitent relevés financiers, dossiers d'assurance ou contrats font souvent transiter leurs fichiers par plusieurs fournisseurs, avec du post-traitement ajouté pour atteindre une qualité exploitable. En ramenant l'extraction à une seule passe, Reducto réduit la latence et le nombre d'appels de modèles nécessaires. Reducto affirme aussi surpasser des services établis comme Amazon Textract ou Azure Document Intelligence, ainsi que de grands modèles de langage généralistes, sur des documents complexes lors d'évaluations internes. Pour les pipelines documentaires en entreprise, la promesse d'une meilleure fiabilité sur les tableaux imbriqués, la mise en forme porteuse de sens (une barre de texte oubliée peut inverser une clause contractuelle) ou les mises en page atypiques représente un enjeu direct pour les secteurs réglementés comme la finance, l'assurance ou le juridique. Ces chiffres restent toutefois à prendre avec précaution : la baisse de 20% d'erreurs est mesurée par rapport aux propres pipelines antérieurs de Reducto, et non face à une référence tierce indépendante, et la comparaison avec les solutions concurrentes a été réalisée en interne, sans jeu de données ni protocole d'évaluation public. r-1 nécessite l'API V3 ; les requêtes existantes qui ne précisent pas de modèle continuent de tourner sur l'ancien pipeline, tandis que les nouveaux projets créés dans l'interface Studio de Reducto basculent par défaut vers r-1. Le traitement agentique n'a pas disparu : il reste utilisé pour les invites personnalisées ou l'extraction avancée de graphiques, en complément du résultat de r-1, au prix d'une latence supplémentaire. Reducto a par ailleurs annoncé la préparation de r-1 mini, une version pensée pour les charges de travail sensibles à la vitesse et au coût, signe que la société veut décliner cette architecture sur plusieurs segments de marché.

Outils⚒Outil

1 source

43

Illustration générée par IA

1355Latent Space 

Le tracker AEO des modèles frontières : ce que choisit Astra (et les autres IA), et comment agir

Le média spécialisé Latent Space a lancé le Frontier AEO Tracker, un outil qui prolonge la méthodologie d'AmplifyingAI et s'inspire de l'étude « What Claude Code Actually Chooses ». Le dispositif fait tourner six variantes de prompts sur sept modèles d'IA de pointe, dans 161 catégories de produits allant des agents de codage aux podcasts IA, en passant par les sandboxes de développement, les bases de données managées, les modèles de reconnaissance vocale, les investisseurs providentiels ou les logiciels de paie. L'extraction des réponses a été confiée au modèle Astra, selon un score AEO maison qui valorise les premiers choix et les mentions, et pénalise les rares recommandations négatives. Sur les 161 catégories testées, 28 affichent un choix dominant unanime chez tous les modèles interrogés. L'équipe a aussi mesuré le nombre médian de sources consultées avant de répondre : neuf pour Sol, cinq pour Astra, onze pour Opus et quinze pour Fable. Ces résultats révèlent un biais net de chaque laboratoire en faveur de son propre écosystème : les modèles d'Anthropic, Opus et Fable, recommandent spontanément Claude Code, ceux d'OpenAI, Sol et Astra, plébiscitent Codex, Grok privilégie Cursor et Muse met en avant Muse Code, avec toutefois des exceptions notables comme des modèles GPT recommandant directement Claude. Le constat pèse lourd car une part croissante des décisions d'achat de logiciels passe désormais par les recommandations directes d'agents conversationnels plutôt que par un moteur de recherche, ce qui fait émerger l'AEO (Answer Engine Optimization) comme l'équivalent du référencement classique pour les réponses générées par IA. Le fait qu'Astra soit nettement plus « confiant », donc moins enclin à changer de réponse quand la question est reformulée, et qu'il consulte deux fois moins de sources que Sol, accroît encore la valeur de figurer parmi les choix par défaut d'un modèle. Cette enquête s'inscrit dans un mouvement plus large où des acteurs comme Ora et Vercel documentent déjà des pratiques d'AEO bien réelles, telle la négociation de contenu au format markdown, dont l'absence peut dissuader un modèle de bien lire un site. Latent Space a aussi comparé les changements de préférences entre générations de modèles d'un même laboratoire, notamment les transitions Opus vers Fable chez Anthropic et Sol vers Astra chez OpenAI, révélant des bascules qui trahissent l'évolution des priorités de données et d'apprentissage de chaque éditeur. Pour couper court aux soupçons de partialité, l'équipe affirme avoir rendu chaque prompt et chaque réponse consultables publiquement. Le tracker propose aussi des extensions ludiques, comme un classement des investisseurs providentiels les plus cités par les IA, et Latent Space se dit désormais ouvert à des partenariats commerciaux autour de cet outil.

Outils⚒Outil

1 source

44

Illustration générée par IA

1356Le Big Data 

Cisco Secure AI Factory : l’architecture qui veut simplifier l’IA en entreprise ?

Cisco a dévoilé une architecture de référence baptisée Secure AI Factory, conçue pour industrialiser le déploiement de l'intelligence artificielle en entreprise. Elle repose sur l'intégration de plusieurs briques technologiques au sein d'un même environnement : les serveurs UCS de Cisco, la technologie réseau Silicon One, des GPU NVIDIA Blackwell, des solutions de stockage, des logiciels d'orchestration et des outils de sécurité. Le calcul s'appuie notamment sur des GPU Blackwell capables de faire tourner des modèles comportant plusieurs milliards de paramètres, tandis que le réseau utilise des commutateurs Ethernet atteignant 800 Gbit/s pour assurer la circulation rapide des données entre les nœuds de calcul. Selon les éléments communiqués, le centre d'innovation de TD Synnex à Paris exploite désormais cette plateforme, ce qui en fait l'une des premières implémentations concrètes de l'architecture en France. L'enjeu principal de Secure AI Factory est de faciliter le passage de la phase d'expérimentation à un déploiement de l'IA à grande échelle, une étape qui pose souvent problème aux entreprises. Tester un modèle sur une infrastructure limitée est relativement simple, mais la complexité augmente fortement dès lors que ce modèle doit être partagé entre plusieurs équipes, connecté à des données sensibles et intégré aux systèmes de production. En assemblant elles-mêmes des composants provenant de fournisseurs différents, les entreprises s'exposent à des difficultés d'intégration, d'administration et de sécurisation qui peuvent ralentir ou faire échouer leurs projets d'IA. En proposant une architecture préintégrée, Cisco cherche à réduire ces frictions, à sécuriser les données manipulées par les modèles et à offrir une infrastructure capable d'accompagner la montée en charge des besoins en IA sans nécessiter une reconstruction complète à chaque étape. Cette initiative s'inscrit dans un mouvement plus large où les grands équipementiers et fournisseurs de cloud cherchent à proposer des architectures de référence clés en main pour l'IA générative, à mesure que les infrastructures nécessaires (calcul, réseau, stockage, sécurité) gagnent en complexité. Cisco mise sur son partenariat avec NVIDIA et sur son savoir-faire réseau pour se positionner face à d'autres offres intégrées du marché, dans un contexte où la vitesse des échanges de données devient un facteur aussi critique que la puissance brute des GPU. L'adoption par un acteur comme TD Synnex, actif dans la distribution technologique, pourrait favoriser une diffusion plus large de cette architecture auprès d'entreprises cherchant à sécuriser et industrialiser leurs projets d'intelligence artificielle dans les mois à venir.

Infrastructure⚡Actu

1 source

38

Illustration générée par IA

1357MarkTechPost 

OpenBMB lance MiniCPM5-2B, un modèle dense de 2,52 milliards de paramètres pour appareils, avec 53,9 de moyenne sur 34 benchmarks

OpenBMB a publié MiniCPM5-2B, deuxième modèle de la série MiniCPM5 après MiniCPM5-1B. Il s'agit d'un modèle dense à 2 516 756 480 paramètres, dont 1 981 982 720 hors couches d'embedding, organisé en 42 couches avec attention par groupes de requêtes (16 têtes de requête, 2 têtes clé/valeur) et une fenêtre de contexte native de 131 072 tokens. Son architecture LlamaForCausalLM standard permet un déploiement immédiat sur vLLM, SGLang, Transformers, llama.cpp, Ollama, LM Studio, MLX et FlagOS, sans code spécifique, sous licence Apache 2.0. Sur 34 benchmarks, OpenBMB annonce une moyenne de 53,9, devant Qwen3.5-4B (51,1), granite-4.2-3B (42,7) et LFM2.5-2,6B (33,2). Les écarts les plus nets apparaissent en usage d'outils, avec 97,1 sur τ²-Bench Telecom, 66,6 sur BFCL v4 et 20,8 sur τ³-Bench Banking contre 6,8 pour la référence, ainsi qu'en code, avec 69,1 sur LiveCodeBench v6 et 46,4 sur SWE-bench Verified. Le modèle reste toutefois en retrait sur les connaissances générales, avec 70,8 sur MMLU-Pro contre 78,0 pour Qwen3.5-4B. Ce lancement illustre une tendance de fond dans l'industrie de l'IA générative : la course n'est plus seulement à la taille des modèles mais à leur efficacité embarquée, capable de tourner directement sur un appareil local plutôt que dans le cloud. Pour les développeurs d'agents autonomes et d'assistants de code, un modèle de 2,5 milliards de paramètres qui rivalise avec des modèles deux fois plus gros sur l'appel d'outils et le raisonnement en code représente une réduction significative des coûts d'inférence et de la latence, tout en conservant une compatibilité totale avec les moteurs d'exécution existants. La publication conjointe des jeux de données et des points de contrôle intermédiaires (Base, Midtrain, SFT) permet aussi à la communauté de vérifier précisément l'origine des gains de performance, une transparence rare qui renforce la crédibilité scientifique de l'annonce face aux effets d'annonce habituels du secteur. Sur le plan technique, l'entraînement suit la méthode UltraData, avec des phases de pré-entraînement stable puis de décroissance, suivies de 400 milliards de tokens de fine-tuning supervisé, puis d'un renforcement par des experts spécialisés en mathématiques, code, tâches agentiques et rédaction via l'algorithme JustRL II. La dernière étape, la distillation on-policy (OPD), fusionne 16 experts RL en un seul modèle final, apportant selon OpenBMB 10,96 points de gain moyen en raisonnement et 6,96 points sur les tâches agentiques. OpenBMB a également publié Ultra-FineWeb, UltraX, UltraData-Code, UltraData-Math et plusieurs jeux de données SFT et RL, dont un ensemble de plus de 80 000 échantillons RL, consolidant sa position d'acteur ouvert face aux laboratoires fermés comme OpenAI ou Anthropic.

LLMs❧Opinion

1 source

39

Illustration générée par IA

1358MarkTechPost 

Axis Robotics lance AXIS, un moteur de données pour la manipulation robotique avec 207 tâches et 50 129 trajectoires

Une équipe de chercheurs d'Axis Robotics, avec UC Berkeley, Georgia Tech et NTU, a présenté AXIS, un système de collecte de données pour la manipulation robotique qui fonctionne dans un navigateur : les contributeurs y téléopérent un bras Franka Research 3 à pince parallèle, dans un simulateur MuJoCo en WebAssembly, tandis que le rendu et l'entraînement tournent à distance sur huit GPU RTX 4090 et huit GPU A100. Plus de 70 000 contributeurs ont participé, et un module nommé TaskGen génère automatiquement tâches, scènes et objets à partir d'instructions en langage naturel. Le jeu de données publié compte 207 tâches, 50 129 trajectoires et plus de 60 000 variantes réparties sur sept catégories de scènes, pour 2,36 téraoctets hébergés sur Hugging Face sous licence académique non commerciale. Le nettoyage des trajectoires fait chuter le taux de réussite au rejeu de 100% à 86,2%, en échange de mouvements bien plus lisses. Le code d'entraînement est public en surcouche d'OpenPI, mais aucun modèle entraîné n'est diffusé. Cette architecture s'attaque à un goulot d'étranglement connu : la collecte de démonstrations reste coûteuse et centralisée, et un jeu de données publié cesse aussitôt de grandir. AXIS en fait au contraire une ressource qui continue de croître avec les contributions, sur un modèle proche du crowdsourcing. Les résultats sont significatifs pour l'entraînement de modèles de manipulation généralistes : le modèle π0.5, préentraîné sur l'intégralité des données AXIS puis affiné sur LIBERO, atteint 88,8 sur le benchmark LIBERO-Plus, contre 83,9 pour la version de base et seulement 57,5 pour un jeu de contrôle RoboCasa365 de taille comparable. Le gain est le plus net sur les axes où la simulation randomise vraiment les conditions, comme le bruit de capteur (+13,7 points), signe que la diversité des scènes générées compte plus que le simple volume de trajectoires. Ce travail s'inscrit dans une course plus large de la robotique par apprentissage, où des laboratoires comme Physical Intelligence, à l'origine du modèle π0.5 pris comme référence, cherchent à combler l'écart entre les volumes de données disponibles pour les modèles de langage et ceux, bien plus restreints, des modèles de manipulation physique. La démarche rappelle des efforts antérieurs de mutualisation comme Open X-Embodiment, mais en misant sur une génération procédurale des tâches et un outil de collecte ouvert à tous, plutôt que sur la seule agrégation de jeux existants, tout en gardant le jeu de données verrouillé sous licence académique et sans publier les modèles entraînés. Reste à voir si la qualité des démonstrations collectées par des contributeurs non experts, via une interface grand public, tiendra la comparaison avec des données de laboratoire à mesure que le corpus grossira.

Recherche❖Paper

1 source

44

Illustration générée par IA

1359The Decoder 

Anthropic aurait signé 517 milliards de dollars de contrats de calcul après la mise en garde de Dario Amodei contre les risques inconsidérés

Anthropic, l'entreprise à l'origine des modèles Claude, a signé en l'espace de onze mois des contrats d'approvisionnement en puissance de calcul atteignant jusqu'à 517 milliards de dollars, selon des informations rapportées début septembre 2026. Ce montant reste toutefois inférieur au plan annoncé par OpenAI, qui prévoit d'engager 750 milliards de dollars de dépenses en infrastructure de calcul d'ici 2030. Ce virage est d'autant plus notable que le PDG d'Anthropic, Dario Amodei, avait lui-même mis en garde début 2026 contre une course à l'investissement jugée trop rapide et risquée chez ses concurrents. Malgré cet avertissement, son entreprise se retrouve désormais à accélérer ses propres engagements financiers pour ne pas prendre trop de retard face à OpenAI. Cette accélération illustre l'ampleur des sommes désormais nécessaires pour rester compétitif dans le développement de modèles d'intelligence artificielle de pointe. Les besoins en centres de données, en puces et en électricité explosent, poussant même les acteurs les plus prudents à revoir leurs plans à la hausse. Pour les investisseurs, les fournisseurs de cloud et les clients entreprises, cela signifie une intensification de la concurrence sur les capacités de calcul disponibles, avec un risque accru de surinvestissement si la demande ne suit pas. Le contexte est marqué par les propos de Sam Altman, patron d'OpenAI, qui a lui-même dénoncé une "bêtise insoutenable" dans la ruée vers les infrastructures de calcul, visant en particulier les fournisseurs de "néo-cloud" apparus pour répondre à cette demande. Ces mises en garde croisées entre dirigeants concurrents alimentent les craintes d'une bulle spéculative autour des investissements en IA, tout en n'empêchant aucun des deux acteurs de continuer à multiplier les engagements financiers.

Infrastructure⚡Actu

1 source

42

Illustration générée par IA

1360The Decoder 

ChatGPT reprend 55,5% du trafic web alors que le rebond de Gemini s'essouffle

ChatGPT a reconquis 55,5 % du trafic web mondial généré par les chatbots IA, selon les données de Similarweb publiées début septembre 2026. Ce chiffre marque un net recul par rapport à l'année précédente, où le service d'OpenAI dominait avec 73,3 % de parts de marché. Sur la même période, Gemini de Google a doublé sa part d'audience, tandis que Claude d'Anthropic a vu la sienne croître de près de cinq fois. Ces statistiques ne portent que sur le trafic des sites web consultés depuis un navigateur, excluant donc les applications mobiles et les clients de bureau, ce qui limite la portée exacte de la comparaison entre plateformes. Cette évolution illustre une fragmentation progressive du marché des assistants conversationnels, longtemps dominé sans partage par ChatGPT depuis son lancement fin 2022. Pour les utilisateurs, cette diversification se traduit par davantage de choix et une concurrence accrue sur la qualité des réponses, la rapidité et les fonctionnalités proposées. Pour l'industrie, le repli relatif de ChatGPT face à la montée de Gemini et Claude signale que la position dominante initiale d'OpenAI n'est plus acquise, obligeant l'entreprise à défendre activement sa base d'utilisateurs face à des rivaux mieux intégrés à d'autres écosystèmes, comme Google avec sa suite de produits. Ce basculement s'inscrit dans une bataille plus large entre les grands acteurs de l'IA générative pour capter l'attention quotidienne des internautes, un terrain jugé stratégique car il conditionne l'adoption future de services payants et d'outils professionnels. Google mise sur l'intégration de Gemini dans son moteur de recherche et ses applications, tandis qu'Anthropic capitalise sur la réputation de Claude auprès des développeurs et des entreprises. La question reste de savoir si ce rebond de ChatGPT à 55,5 % marque une stabilisation durable ou une simple fluctuation dans une compétition encore très mouvante.

Business❧Opinion

1 source