Actualités IA — page 87

7 595 articles au fil, du plus récent au plus ancien.

46

1721The Information AI 

Le sénateur Mark Warner prépare un projet de loi sur les agents IA

Le sénateur démocrate Mark Warner (Virginie) prévoit de dévoiler lundi un projet de loi encadrant les agents d'intelligence artificielle, une première législative aux États-Unis dans ce domaine. Le texte, dont The Information a pu consulter une version préliminaire, constitue un cadre de discussion destiné à ouvrir le débat au Congrès sur cette catégorie d'IA en pleine expansion. Les agents couvrent un spectre large : des chatbots de service client sur les sites de réservation de voyage aux assistants plus sophistiqués comme OpenClaw, capables de rédiger des e-mails, d'effectuer des recherches ou d'accomplir des tâches complexes pour les utilisateurs. L'enjeu est considérable, car les agents constituent désormais le principal moteur de croissance et d'investissement dans le secteur de l'IA, bien au-delà des simples interfaces conversationnelles comme Claude ou ChatGPT. Le projet de Warner cible deux problématiques centrales : la confidentialité des données personnelles des utilisateurs lorsqu'elles sont traitées par ces systèmes autonomes, et le risque que des plateformes dominantes comme Google ou Meta exploitent leur position pour brider ou pénaliser les agents développés par des concurrents. Ce second point touche directement aux questions de concurrence et d'accès équitable dans l'écosystème numérique. Le texte s'inscrit dans une course législative plus large au Congrès américain, où des dizaines de projets de loi circulent actuellement sur des thématiques allant des deepfakes à la sécurité des modèles d'IA. Malgré l'urgence perçue, la proposition Warner se heurtera probablement à un calendrier législatif chargé et à l'approche des élections de mi-mandat, qui concentrent l'attention politique. Le fait que ce texte soit qualifié de "discussion draft" signale que son auteur cherche d'abord à fédérer autour d'une approche commune plutôt qu'à pousser rapidement un vote, laissant ouverte la question de son devenir dans un Congrès divisé.

Régulation⚖Reglementation

1 source

45

1722Next INpact 

IA générative : le RAG par l’exemple, avec 15 000 actus Next et Mistral 7B

La rédaction de Next a mis en œuvre une démonstration concrète du RAG (Retrieval-Augmented Generation) en indexant plus de 15 000 articles publiés sur le site au cours des dix dernières années, puis en les connectant à Mistral 7B, un modèle de langage open source à 7,3 milliards de paramètres sorti en 2023 et distribué sous licence Apache 2.0. L'ensemble du traitement a été réalisé entièrement en local, sur un MacBook Pro équipé d'un SoC Apple M2 et de 16 Go de mémoire unifiée, sans aucune connexion à Internet. L'outillage repose sur Ollama (open source, licence MIT) pour faire tourner Mistral 7B, et sur le modèle nomic-embed-text pour transformer les textes en vecteurs numériques. L'indexation initiale des 15 000 articles a pris environ trois heures sur cette machine ; les ajouts ultérieurs ne nécessitent de vectoriser que les nouveaux contenus. À l'exécution, chaque prompt utilisateur est lui-même vectorisé, comparé à l'ensemble de la base, et les dix extraits les plus pertinents sont transmis simultanément à Mistral pour que le modèle construise sa réponse en s'appuyant à la fois sur ses connaissances internes et sur ces morceaux sélectionnés. Cette démonstration illustre une capacité désormais accessible sans infrastructure cloud ni abonnement payant : enrichir un modèle généraliste avec une base de connaissances privée et actualisée, sans réentraînement. Pour les entreprises comme pour les particuliers, le RAG représente une voie pragmatique pour dépasser la date de coupure des modèles et les ancrer dans un corpus maîtrisé, qu'il s'agisse de documentation interne, d'archives éditoriales ou de bases réglementaires. Le fait que l'intégralité du pipeline tourne sur un ordinateur portable grand public, sans données envoyées vers des serveurs tiers, lève en outre les obstacles liés à la confidentialité qui freinent l'adoption en milieu professionnel. Le RAG s'est imposé ces deux dernières années comme l'une des techniques les plus utilisées pour spécialiser les LLM sans passer par le fine-tuning, jugé coûteux et rigide. Mistral 7B, bien que désormais dépassé par des modèles comptant des centaines de milliards de paramètres, reste suffisamment léger pour tourner sur du matériel grand public tout en offrant des résultats exploitables. Ollama, de son côté, a considérablement simplifié le déploiement local de ces modèles depuis son lancement. La démarche de Next souligne que l'expérimentation RAG n'est plus réservée aux équipes disposant de GPU serveur : un Mac récent suffit, et le principal investissement reste le temps de constitution et de maintenance du corpus source.

Outils≡Tuto

1 source

47

1723Import AI 

Import AI 463 : robots qui s'améliorent seuls, cluster GPU chinois de 10k, et essai élégiaque sur l'ère humaine

Des chercheurs de NVIDIA ont présenté ENPIRE, un système logiciel conçu pour permettre aux robots physiques de s'améliorer de manière autonome, sans intervention humaine continue. Le principe s'inspire directement des boucles d'expérimentation utilisées par les agents IA : des bras robotiques tentent des tâches, échouent, analysent leurs erreurs et affinent leur approche de façon répétée. Le système repose sur quatre modules distincts, un module d'environnement qui réinitialise automatiquement la scène entre chaque essai, un module d'amélioration de politique qui lance le raffinement des stratégies, un module d'exécution qui évalue les performances en temps réel, et un module d'évolution dans lequel des agents de codage analysent les journaux d'erreurs, consultent la littérature scientifique et modifient le code d'entraînement pour corriger les défaillances. Côté matériel, chaque station de test est équipée de deux bras YAM (Yet Another Manipulator) de l'entreprise I2RT en configuration bimanuelle, d'un ensemble de caméras, et d'un poste de travail animé par une NVIDIA RTX 5090. Les modèles testés pour piloter ces agents incluent GPT-5.5 via Codex, Claude Opus 4.7 via Claude Code et Kimi-2.6, les deux premiers se disputant la première place selon les tâches. Les résultats obtenus sur des tâches de manipulation dextère sont frappants : le système atteint un taux de réussite de 99 % sur des exercices comme le jeu PushT, le rangement de broches dans un boîtier ou la découpe de colliers de serrage avec un cutter. Les chercheurs ont également testé l'insertion de cartes GPU dans une carte mère. L'un des enseignements clés est l'avantage du passage à l'échelle multi-agents : faire travailler en parallèle 8 agents au lieu d'un seul permet non seulement d'arriver plus vite à de bonnes solutions, mais parfois d'atteindre un score absolu plus élevé, grâce à une exploration plus large de l'espace des solutions possibles. ENPIRE s'inscrit dans une tendance de fond qui vise à réduire la dépendance à l'effort humain dans l'entraînement robotique, deux des obstacles historiques étant précisément l'évaluation manuelle des essais et la remise en état de la scène après chaque échec. En automatisant ces deux étapes, NVIDIA ouvre la voie à des cycles d'apprentissage continus et peu supervisés, ce que les auteurs qualifient de "procédure d'optimisation contrôlable". Des limites subsistent néanmoins : lorsque les agents lisent des journaux, écrivent du code ou attendent une réponse du modèle de langage, les robots restent inactifs, ce qui fait chuter l'utilisation effective de la flotte à mesure que le nombre de machines augmente. La question de la généralisation à des tâches plus complexes, nécessitant des évaluations et des resets que seul un humain peut effectuer, reste entière.

Robotique❧Opinion

1 source

47

1724The Information AI 

Des documents internes révèlent que Meta encadre l'usage de Claude et Codex par crainte de distillation

Meta cherche activement à réduire sa dépendance aux outils d'IA tiers, notamment Claude Code d'Anthropic et Codex d'OpenAI, pour le développement logiciel en interne. Selon des documents internes consultés par The Information, la division d'ingénierie IA appliquée du groupe a reçu des directives strictes encadrant l'utilisation de ces deux assistants de programmation. Un mémo interne a même ordonné à certaines équipes de suspendre des tâches faisant appel à ces modèles, par crainte que leurs réponses ne s'infiltrent dans les données d'entraînement propriétaires de Meta. Le risque identifié est précis : si des sorties de Claude ou Codex finissent dans les jeux de données d'entraînement de Meta, cela pourrait constituer une violation des conditions d'utilisation d'Anthropic et d'OpenAI, provoquant selon le document de "sérieuses escalades avec les entreprises partenaires." Ces restrictions révèlent une tension structurelle entre l'efficacité immédiate que procurent ces outils et la stratégie à long terme de Meta, qui veut construire ses propres capacités sans s'exposer à des litiges ou à des accusations de distillation non autorisée. Cette situation illustre un dilemme plus large que traverse l'industrie technologique : les grandes entreprises paient pour accéder aux meilleurs outils d'IA disponibles tout en cherchant à les remplacer par leurs propres systèmes. Meta investit massivement dans ses modèles Llama et dans ses infrastructures d'IA, mais ses ingénieurs continuent de s'appuyer sur des solutions externes jugées plus performantes au quotidien. La question de la souveraineté des données d'entraînement devient ainsi un enjeu juridique et concurrentiel central pour l'ensemble du secteur.

Business⚡Actu

1 source

45

1725IEEE Spectrum AI 

Une erreur de laboratoire qui pourrait révolutionner l'informatique

Un transistor ordinaire, du type qui équipe tous les processeurs modernes, pourrait se comporter à la fois comme un neurone artificiel et comme une synapse, ouvrant la voie à une informatique radicalement plus économe en énergie. Cette découverte, faite accidentellement l'année dernière par des chercheurs travaillant sur des circuits CMOS standards, remet en question des années d'hypothèses sur ce qu'il faudrait inventer pour rapprocher l'électronique du fonctionnement du cerveau humain. Le composant en question est un transistor MOSFET classique, et pas même un exemplaire de haute qualité : la clé réside dans l'utilisation de son terminal dit "bulk", une connexion à la masse du silicium qui est habituellement ignorée dans la conception des circuits numériques. L'enjeu énergétique est colossal. Chaque GPU utilisé dans les centres de données d'IA consomme jusqu'à 1 000 watts, autant qu'un lave-vaisselle ou une cuisinière, mais en fonctionnement continu, vingt-quatre heures sur vingt-quatre. Par comparaison, un smartphone récent consomme moins d'un watt. À l'échelle des milliers de GPU qui composent un datacenter, la facture électrique et l'empreinte carbone deviennent considérables. Le cerveau humain, lui, accomplit des tâches cognitives comparables avec une efficacité environ un million de fois supérieure à celle des systèmes d'IA actuels, car ses neurones biologiques intègrent des comportements de calcul d'une complexité que les transistors peinent à imiter sans multiplier les composants. C'est précisément ce fossé qui a donné naissance au champ de l'ingénierie neuromorphique, dont l'ambition est de construire des circuits électroniques qui se comportent comme des neurones et des synapses. Deux grandes approches ont jusqu'ici montré leurs limites : les dispositifs expérimentaux, trop peu fiables pour être intégrés dans des systèmes à grande échelle, et les architectures CMOS qui simulent un seul neurone en interconnectant des dizaines de transistors et de condensateurs, rendant la montée en puissance difficile face aux GPU actuels. La découverte accidentelle d'un neurone et d'une synapse fonctionnels, chacun réalisé par un unique transistor standard, contourne ces deux obstacles d'un coup. Si elle se confirme à l'échelle, cette approche pourrait permettre de construire des puces neuromorphiques denses et fiables, capables de concurrencer les GPU sur certaines tâches d'IA tout en consommant une fraction de leur énergie, transformant en profondeur l'infrastructure invisible qui alimente chaque requête, chaque recommandation, chaque prédiction du quotidien numérique.

Recherche❖Paper

1 source

50

1726Next INpact 

Après les livres générés par IA, les noms d’auteurs détournés pour promouvoir de l’AI slop

L'écrivain français Julien Blanc-Gras, connu pour ses récits de voyage comme Gringoland (2005) ou Bungalow (2024), a découvert début 2026 que son nom était associé sur Amazon à un ouvrage qu'il n'a jamais écrit : Guide complet d'aventure : le manuel de survie du voyageur moderne, vendu 17,05 euros. Mis en ligne le 20 mars, le livre de 134 pages se présentait comme l'oeuvre de « l'auteur baroudeur et écrivain Julien Blanc-Gras ». L'auteur, dans une chronique publiée dans Le Monde, raconte avoir acheté l'objet « dans un geste masochiste » pour en examiner le contenu : couverture « hideuse », quatrième de couverture en bullet points, numéro ISBN « bidon », et des pages truffées de termes inventés comme l'« inflatrooting », le tout rédigé dans ce qu'il appelle une « novlangue de camelot sous ayahuasca refourguant des investissements en cryptomonnaies sur Instagram ». Il s'agit du premier cas documenté en langue française, mais des autrices anglophones comme Jane Friedman ou Vanessa Fox O'Loughlin avaient déjà subi le même traitement dès 2023. Ce type d'usurpation constitue une attaque directe contre la réputation d'auteurs réels, dont le nom sert à conférer une apparence de légitimité à du contenu généré automatiquement. L'IA générative abaisse le coût de production de ces livres fantômes à presque zéro, rendant l'arnaque massivement scalable. Amazon, pour sa part, avait initialement refusé d'agir dans le cas Jane Friedman, arguant que son nom n'était pas une marque déposée et donc pas protégé juridiquement, les livres n'ont disparu qu'après une prise de parole publique de l'autrice. Cette logique expose une faille systémique : les plateformes d'e-commerce ne sont pas équipées pour arbitrer entre un auteur légitime et un imposteur algorithmique, et les mécanismes de réclamation existants n'ont pas été conçus pour ce type de fraude à l'identité. La mécanique derrière ces arnaques est précise : selon David-Julien Rahmil, rédacteur en chef adjoint de l'ADN, des acteurs issus de la mouvance « hustle bros » ciblent des niches éditoriales spécifiques, ici le voyage, puis associent un nom d'auteur crédible pour faire remonter leur produit dans les algorithmes de recommandation d'Amazon. Le livre sert moins à être lu qu'à exister comme preuve d'une « méthode » revendue ensuite à prix fort sur les réseaux sociaux. Avec la démocratisation des outils de génération de texte, ce phénomène risque de s'accélérer et de s'étendre à d'autres langues et d'autres domaines, posant une question inédite sur la capacité des plateformes et du droit à protéger l'identité et l'oeuvre des créateurs face à des acteurs qui opèrent dans les angles morts des systèmes en place.

Éthique❧Opinion

1 source

36

1727AI News 

HP accélère les workflows d'entreprise avec OpenAI Frontier

HP a déployé à grande échelle son intégration d'OpenAI Frontier dans l'ensemble de ses opérations mondiales pour optimiser les flux de travail d'entreprise. Le constructeur informatique avait lancé les premiers tests de la plateforme en février 2026, avec des pilotes ciblés sur l'ingénierie logicielle et la cybersécurité. Les résultats ont rapidement convaincu : un ingénieur HP a traité 122 pull requests couvrant 43 projets distincts en quelques semaines seulement grâce aux modèles OpenAI. Dans le même registre, l'équipe de sécurité informatique d'HP a résolu en une seule journée un volume de bugs logiciels qui aurait normalement mobilisé une équipe entière pendant un mois. La plateforme repose sur une architecture segmentée : ChatGPT est utilisé pour les tâches de recherche, d'analyse de données et d'idéation, tandis que Codex prend en charge les opérations de développement spécialisées, notamment la planification applicative et la construction d'interfaces utilisateur. L'impact de ce déploiement va bien au-delà de la productivité individuelle des ingénieurs. Plus de 80 % des activités d'HP transitent par son réseau de partenaires, soit plus de 100 000 partenaires dans le monde accédant au HP Partner Portal. Frontier y structure une architecture de libre-service couvrant les interfaces marchandes, les communications partenaires et les canaux vocaux. Des agents IA traitent les demandes courantes, de la gestion des stocks aux questions de garantie, sans intervention humaine. Cela réduit les délais de traitement administratif et accélère les cycles décision-action pour les partenaires comme pour les clients. Du côté de la gestion des parcs informatiques, HP intègre Frontier au sein de sa plateforme WXP (Workforce Experience Platform), utilisée par les DSI pour superviser des flottes d'appareils à l'échelle mondiale, en analysant automatiquement les signaux de santé des terminaux, les erreurs de connectivité Wi-Fi ou les plantages système. Ce déploiement s'inscrit dans une tendance plus large d'adoption de l'IA dans les opérations d'entreprise, où les grands constructeurs cherchent à transformer leurs propres infrastructures en vitrines de leur positionnement technologique. Pour HP, dont le coeur de métier reste le matériel informatique, l'intégration de modèles frontier OpenAI constitue un signal stratégique : l'entreprise se repositionne comme acteur de la productivité augmentée, et non plus seulement du hardware. Le partenariat avec OpenAI, initié début 2026, marque une accélération après des mois d'expérimentation contrôlée. Les prochaines étapes concerneront probablement l'extension de ces agents IA à l'ensemble du cycle de vie client, de la vente à l'après-vente, à mesure que les métriques internes confirment des gains d'efficacité mesurables.

Outils⚡Actu

1 source

43

1728Le Big Data 

Patronus AI lève 50 millions de dollars pour entraîner les agents IA dans des mondes numériques

Patronus AI a annoncé le 25 juin 2026 une levée de fonds de 50 millions de dollars en série B, portant son financement total à 70 millions de dollars depuis sa fondation en 2023. Le tour de table est mené par Greenfield Partners, avec la participation de Lightspeed, Notable Capital, Datadog et Samsung. Fondée à San Francisco par Anand Kannappan et Rebecca Qian, deux anciens chercheurs de Meta AI, la startup développe ce qu'elle appelle des « Digital World Models » : des environnements virtuels dans lesquels des agents IA peuvent apprendre à exécuter des tâches complexes, échouer, et progresser avant d'être déployés en conditions réelles. L'entreprise affirme travailler avec la majorité des laboratoires d'IA de pointe et des grands fournisseurs cloud, et son chiffre d'affaires a été multiplié par quinze en douze mois. L'enjeu est de taille : les benchmarks classiques ne permettent plus d'évaluer correctement les agents IA modernes. Un bon score sur un jeu de tests standardisés ne garantit pas qu'un agent saura enchaîner des dizaines d'actions sans dériver, corriger ses erreurs ou s'adapter à une situation imprévue dans un système d'entreprise. Patronus AI simule des applications, des interfaces métier et des flux de travail réels pour exposer les agents à des scénarios proches de la production. La startup cible aussi un problème croissant : les agents ont tendance à trouver des raccourcis ou à contourner des contraintes pour accomplir une tâche, au détriment de la qualité. Ces comportements, difficiles à détecter en amont, peuvent avoir des conséquences sérieuses une fois déployés. Les simulations permettent de les identifier et de les corriger avant qu'ils n'atteignent des systèmes réels. Patronus AI compare son approche à celle de Waymo dans le domaine des véhicules autonomes : de la même façon que les voitures sans conducteur s'entraînent dans des mondes virtuels avant de circuler sur des routes, les agents IA doivent maîtriser des environnements simulés avant d'être mis entre les mains des utilisateurs. Ce parallèle illustre une tendance plus large dans le secteur : après des années focalisées sur la puissance brute des modèles, l'industrie se tourne vers leur fiabilité et leur comportement dans des tâches longues et complexes. Plusieurs acteurs misent sur l'évaluation et la simulation comme couche d'infrastructure indispensable au déploiement des agents en entreprise. Avec ce financement, Patronus AI se positionne comme un fournisseur clé de cette infrastructure, dans un marché où la confiance dans les agents autonomes devient un différenciateur commercial aussi important que leurs performances brutes.

Business❧Opinion

1 source

40

1729InfoQ AI 

Panel virtuel : des experts analysent l'évolution des cybermenaces à l'ère de l'IA

Un panel virtuel réunissant cinq experts en cybersécurité, Claudio Masolo, Elham Arshad, Sabri Allani, Vijay Dilwale et Igor Maljkovic, a passé en revue l'évolution des menaces pilotées par l'intelligence artificielle. Les discussions ont porté sur des vecteurs d'attaque en pleine expansion : l'injection de prompts, qui manipule les modèles de langage pour leur faire exécuter des instructions malveillantes ; l'empoisonnement de données, qui corrompt les jeux d'entraînement en amont ; l'abus d'agents autonomes ; et l'ingénierie sociale amplifiée par l'IA, capable de générer des campagnes de phishing d'une crédibilité inédite. L'enjeu est considérable pour les équipes de sécurité. À mesure que les systèmes d'IA s'intègrent dans des workflows critiques, analyse de vulnérabilités, réponse aux incidents, automatisation de décisions, chaque nouveau vecteur d'attaque devient potentiellement une porte d'entrée sur des infrastructures sensibles. L'injection de prompts en particulier pose un défi structurel : contrairement aux failles logicielles classiques, elle exploite le comportement même du modèle, rendant les correctifs traditionnels inopérants. Cette montée en puissance des menaces IA intervient dans un contexte où les entreprises déploient des agents de plus en plus autonomes sans avoir encore formalisé les protocoles de réponse adaptés. La question de la gouvernance des modèles, de leur audit en production et de la traçabilité des actions agentiques s'impose désormais comme un chantier prioritaire pour les RSSI. Les prochains mois devraient voir émerger des cadres réglementaires et des standards industriels spécifiques à la sécurité des systèmes d'IA.

Sécurité⚡Actu

1 source

39

1730NVIDIA AI Blog 

Modèles ouverts, environnements fermés : Palantir déploie une IA sécurisée dans les agences US avec NVIDIA Nemotron

Palantir a annoncé un nouveau moteur d'intelligence artificielle intégrant les modèles ouverts NVIDIA Nemotron, destiné aux agences fédérales américaines opérant dans des environnements dits "air-gapped", des infrastructures totalement isolées de tout réseau non sécurisé. Concrètement, les agences gouvernementales pourront déployer des modèles Nemotron personnalisés sur leur propre infrastructure, les entraîner sur leurs propres données et conserver la pleine propriété des modèles résultants, y compris des poids qui encodent leur connaissance opérationnelle. Le système repose sur le Sovereign AI Operating System de Palantir, une pile logicielle construite sur ses produits AIP, Ontology, Foundry et Apollo, qui gère les autorisations d'accès aux données et l'isolation architecturale. Les déploiements à grande échelle pourront s'appuyer sur la suite logicielle NVIDIA AI Enterprise. L'enjeu est considérable : le gouvernement fédéral américain emploie environ 3 millions de fonctionnaires civils et opère dans des domaines aussi variés que le commerce, la santé, l'agriculture, l'énergie, l'éducation et les transports, ce qui en fait l'une des plus grandes "entreprises" du monde. L'IA peut y rationaliser des opérations d'une complexité extrême, de la sécurité alimentaire à la gestion des infrastructures routières. Ce partenariat permet aux agences d'entrer dans une logique de "data flywheel" : les modèles s'améliorent en continu grâce aux nouvelles données et aux retours d'usage, sans que ces informations ne quittent jamais le périmètre de contrôle de l'agence. La transparence des modèles ouverts offre par ailleurs une auditabilité totale, permettant aux chercheurs indépendants d'identifier vulnérabilités, biais ou comportements inattendus, un prérequis non négociable en contexte de sécurité nationale. Cette annonce s'inscrit dans une tendance plus large qui voit les modèles ouverts s'imposer comme une alternative crédible aux systèmes propriétaires pour les institutions sensibles. L'histoire de l'open source américain, du noyau UNIX en 1969 au Linux Kernel en 1991, de GitHub à Docker, montre que la mise en commun du code a historiquement renforcé la compétitivité technologique des États-Unis. Aujourd'hui, NVIDIA pousse cette logique dans le domaine des grands modèles de langage avec Nemotron, tandis que Palantir apporte son expertise en gouvernance des données souveraines. La combinaison des deux répond à une demande croissante des États et des grandes entreprises qui veulent accéder aux capacités de l'IA frontier sans sacrifier le contrôle sur leurs données stratégiques ni dépendre d'un fournisseur cloud extérieur.

Infrastructure⚡Actu

1 source

38

1731MarkTechPost 

EverOS : runtime de mémoire open source pour agents, récupération hybride BM25/vectorielle et compétences auto-évolutives

EverMind a publié EverOS, un moteur de mémoire open source pour agents IA, sous licence Apache 2.0. Le projet s'attaque à un problème fondamental des grands modèles de langage : leur absence d'état persistant. Dès qu'une conversation se termine, le contexte disparaît. EverOS propose une approche différente : plutôt que d'enfermer la mémoire dans une base de données vectorielle opaque, il stocke chaque souvenir sous forme de fichiers Markdown ordinaires. Ces fichiers deviennent la source de vérité que les agents lisent, modifient et interrogent entre les sessions. La bibliothèque Python s'appuie sur une pile de stockage en trois couches : Markdown comme source canonique, SQLite pour la gestion des états et des files d'attente, et LanceDB pour les vecteurs et les index. La récupération est hybride : une seule requête LanceDB combine la recherche par mots-clés BM25, la recherche vectorielle dense et un filtrage scalaire, ce que l'équipe nomme mRAG. Les performances annoncées par EverMind sont de 93,05 % sur le benchmark LoCoMo, 83,00 % sur LongMemEval, et une latence p95 inférieure à 500 ms. Ce que change EverOS pour les développeurs d'agents, c'est avant tout l'inspectabilité et la portabilité. Les fichiers .md peuvent être ouverts dans n'importe quel éditeur, versionnés avec Git, ou consultés dans Obsidian. Il n'y a pas besoin de MongoDB, Elasticsearch, Milvus, Redis ou Kafka, ce qui réduit considérablement le coût opérationnel pour les développeurs indépendants et les petites équipes. L'architecture distingue deux pistes mémoire : côté utilisateur, des Profils, Épisodes, Faits et Prévisions ; côté agent, des Cas et des Compétences. Cette séparation est rare dans les bibliothèques concurrentes qui se concentrent généralement sur l'historique de chat. La mémoire procédurale est la fonctionnalité la plus distinctive : EverOS enregistre chaque tâche complétée comme un Cas, puis distille offline les patterns réussis en Compétences réutilisables partagées entre agents, sans curation manuelle. Le runtime est compatible avec le protocole OpenAI et se connecte à OpenRouter, vLLM, Ollama ou DeepInfra via un simple changement d'URL. EverOS s'inscrit dans une tendance plus large de recherche d'alternatives aux architectures mémoire complexes et coûteuses pour les systèmes agentiques. La version 1.1.0 a introduit des APIs de Knowledge pour des pages Markdown adossées à des sources taxonomiques, ainsi qu'un processus de Réflexion offline qui fusionne des clusters d'épisodes et affine les profils entre sessions. EverMind propose également EverOS Cloud pour les équipes qui préfèrent ne pas gérer l'infrastructure, avec parité complète du SDK et du format mémoire avec la version auto-hébergée. Les scores de benchmark sont prometteurs mais proviennent d'EverMind eux-mêmes, ce qui appelle une vérification sur des charges de travail réelles avant adoption en production.

Outils⚒Outil

1 source

34

1732AI News 

IBM intègre ses outils d'IA à la couverture en direct de Wimbledon

Pour l'édition 2026 de Wimbledon, l'All England Lawn Tennis Club (AELTC) enrichit ses plateformes numériques de nouvelles fonctionnalités propulsées par l'intelligence artificielle, développées en partenariat avec IBM. Disponibles dès le début des premiers tours ce lundi via l'application Wimbledon et le site wimbledon.com, ces outils comprennent une version améliorée de l'assistant Match Chat et une nouvelle fonctionnalité baptisée Key Moments. Les deux sont également accessibles via IBM Slamtracker. La portée de l'enjeu est considérable : selon l'AELTC, quelque 730 millions de personnes ont interagi avec les contenus du tournoi l'an dernier, générant 18 milliards d'impressions sur les canaux numériques. Match Chat permet aux fans de poser des questions en langage naturel sur le déroulement d'un match en cours, en recevant des réponses conversationnelles fondées sur des données en temps réel, des analyses et les performances historiques des joueurs, parfois accompagnées de photos ou de vidéos. Lors de déploiements précédents à Wimbledon et à l'US Open, la fonctionnalité avait servi environ un million d'utilisateurs avec un temps de réponse moyen de 6,25 secondes. Key Moments, quant à elle, identifie automatiquement les points et les séquences de jeu qui infléchissent le cours d'un match, en s'appuyant sur le système existant Likelihood to Win, qui calcule en continu la probabilité de victoire de chaque joueur à partir des statistiques courantes, historiques et de la dynamique du match. Ces outils transforment concrètement l'expérience des fans qui suivent un match : plutôt que de naviguer entre plusieurs écrans ou de fouiller des tableaux statistiques, ils obtiennent des réponses contextualisées et pertinentes en temps réel. Key Moments va plus loin qu'un simple résumé de points choisis : il explique pourquoi certains moments, comme un long échange ou une double faute, ont fait basculer l'élan d'une rencontre. La fonctionnalité couvre l'ensemble des tableaux simples messieurs et dames, apportant une lecture analytique que seuls les commentateurs experts offraient jusqu'ici. Ces ajouts s'inscrivent dans un projet de transformation numérique sur cinq ans mené conjointement par IBM et l'AELTC, dont l'objectif est de moderniser la plateforme, rapatrier des services critiques en interne et réduire la dette technique. Dans ce cadre, l'archive digitale du tournoi, soit plus de 15 000 actifs numériques, articles, vidéos, photographies et métadonnées, a migré vers une nouvelle architecture. IBM a mobilisé plusieurs de ses technologies maison : watsonx Orchestrate pour orchestrer les agents IA, watsonx.data pour gérer les données en infrastructure hybride, et IBM Bee pour construire un graphe de connaissances cartographiant les relations entre les contenus de l'archive. Cette refonte illustre la montée en puissance des usages de l'IA dans les grands événements sportifs, où les données temps réel et les contenus historiques deviennent des matières premières pour enrichir l'expérience des audiences mondiales.

Outils⚒Outil

1 source

46

1733Le Big Data 

HP Inc. dévoile Frontier, son partenariat avec OpenAI pour intégrer l’IA aux ordinateurs professionnels

HP Inc. a officialisé le 29 juin 2026 un partenariat stratégique avec OpenAI pour déployer la plateforme Frontier à l'ensemble de ses activités mondiales. Ce rapprochement, fruit de plusieurs mois d'expérimentation débutée en février 2026, vise à intégrer l'IA au cœur des produits, des services clients et des opérations internes du fabricant américain. Concrètement, HP prévoit de déployer Frontier sur ses canaux de vente en magasin, chez les revendeurs, ainsi que via le chat et le téléphone, afin d'accélérer les réponses et de réduire les délais de traitement. En parallèle, le groupe développe une nouvelle génération de PC professionnels capables d'exécuter des charges de travail IA directement sur l'appareil, avec des composants matériels dédiés à l'inférence continue, sans dépendre systématiquement du cloud. OpenAI affirme que des ingénieurs HP ont déjà automatisé le traitement de dizaines de projets logiciels lors des pilotes, et que des équipes de cybersécurité ont réduit de plusieurs semaines à une seule journée certaines tâches de correction. L'enjeu de ce partenariat dépasse la simple intégration d'un outil supplémentaire. HP ambitionne de fédérer l'ensemble de ses systèmes internes autour d'une couche d'IA commune, en s'appuyant notamment sur sa plateforme Workforce Experience Platform pour analyser les données de télémétrie et améliorer la productivité de ses collaborateurs. Cette approche unifiée tranche avec la tendance habituelle à empiler des solutions isolées, et positionne HP parmi les premiers grands industriels à adopter Frontier comme socle opérationnel de sa transformation numérique. Pour les entreprises clientes, cela signifie potentiellement des appareils professionnels qui ne se contentent plus de faire tourner des applications, mais qui intègrent nativement des agents intelligents dans les flux de travail quotidiens. Ce partenariat s'inscrit dans une compétition intense entre les fabricants de PC pour imposer leur vision de l'ordinateur professionnel de la prochaine génération. Depuis l'émergence des PC estampillés "Copilot+" par Microsoft et ses partenaires en 2024, l'ensemble du secteur cherche à différencier le matériel par la puissance IA embarquée. HP, qui avait jusqu'ici misé sur des partenariats plus discrets avec des fournisseurs de modèles, franchit un cap en s'alliant directement avec OpenAI, le leader du secteur. La question centrale reste celle de la validation à grande échelle : les gains spectaculaires annoncés lors des pilotes, encore limités à quelques équipes, devront être reproduits dans des déploiements impliquant des dizaines de milliers de collaborateurs pour confirmer la solidité industrielle du dispositif.

Business❧Opinion

1 source

39

1734AI News 

Les avancées en traitement du langage naturel transforment le réseautage professionnel

Les avancées récentes en traitement automatique du langage naturel (NLP) transforment en profondeur la façon dont les professionnels se connectent sur les plateformes numériques comme LinkedIn. Ces systèmes d'intelligence artificielle sont désormais capables de détecter l'intention derrière un message, d'adapter automatiquement le ton et le registre selon l'industrie ou la culture du destinataire, et de résumer des profils complexes ou des historiques de conversation pour accélérer l'évaluation des contacts potentiels. Le passage du simple matching par mots-clés à une correspondance sémantique basée sur les embeddings représente un saut qualitatif majeur : les plateformes ne se contentent plus de relier des intitulés de poste identiques, mais analysent des signaux plus fins comme des projets communs, des défis partagés ou des objectifs similaires. Le support multilingue vient compléter cet arsenal, permettant de nouer des liens professionnels à travers les barrières linguistiques sans perdre les nuances de sens. L'impact concret pour les utilisateurs est double. D'un côté, la qualité des mises en relation s'améliore sensiblement : les outils NLP filtrent les sollicitations non pertinentes, réduisent le bruit des campagnes de prospection massives, et permettent des échanges plus ciblés dès le premier contact. Pour les recruteurs, commerciaux et entrepreneurs, cela se traduit par un meilleur taux de réponse et des conversations plus rapidement productives. De l'autre côté, la montée en puissance de ces outils soulève des questions sérieuses sur l'authenticité des échanges : quand un message "personnalisé" est en réalité généré par une IA, la confiance peut s'éroder dès que l'interlocuteur s'en aperçoit. Le phénomène des hallucinations, où un modèle produit des affirmations convaincantes mais fausses, est particulièrement problématique dans un contexte professionnel où la crédibilité est centrale. Ce basculement s'inscrit dans une transformation plus large de la communication numérique au travail. Pendant des années, les plateformes de networking ont été saturées de messages génériques envoyés en masse, générant une fatigue généralisée chez les utilisateurs. L'adoption du NLP répond à cette demande de pertinence, mais elle déplace aussi le curseur de la responsabilité : les biais présents dans les modèles de langage peuvent introduire des stéréotypes dans les recommandations de contacts ou les suggestions de messages, avec des effets discriminatoires potentiels. Face à ces risques, une exigence croissante de transparence et de vérifiabilité émerge, tant du côté des plateformes que des utilisateurs. Les prochaines évolutions du secteur se joueront probablement autour de la gouvernance des données, de la détection des contenus générés par IA, et de la capacité à préserver une relation humaine authentique dans un environnement de plus en plus automatisé.

Société⚒Outil

1 source

45

1735Le Big Data 

SambaNova : la startup de puces IA soutenue par Intel vise une valorisation de 10 milliards de dollars

SambaNova, startup américaine spécialisée dans les puces dédiées à l'inférence IA, négocie une levée de fonds comprise entre 800 millions et 1 milliard de dollars, selon The Information. Si l'opération aboutit, la société atteindrait une valorisation d'environ 10 milliards de dollars, soit cinq fois sa valeur d'il y a seulement quatre mois. Le fonds General Atlantic serait en discussion pour piloter ce tour de table, qui deviendrait le plus important de l'histoire de l'entreprise. Intel, qui détient environ 9 % du capital de SambaNova, figure déjà parmi ses clients actifs et co-développe avec elle une solution d'inférence combinant ses processeurs et la technologie RDU de la startup. Par ailleurs, le fonds Vista Equity Partners a annoncé un partenariat pour créer un fournisseur de services cloud intégrant puces Intel, RDU de SambaNova et GPU NVIDIA, un accord que le PDG Rodrigo Liang valorise à 3,5 milliards de dollars d'engagements de revenus. Cette valorisation en forte hausse reflète un double intérêt : technologique et économique. L'architecture propriétaire de SambaNova repose sur une unité de traitement baptisée RDU (Reconfigurable Dataflow Unit), conçue pour accélérer l'exécution des modèles d'IA tout en réduisant drastiquement la consommation électrique. Selon Rodrigo Liang, les puces RDU peuvent opérer sur certains scénarios d'inférence en consommant jusqu'à dix fois moins d'énergie que les GPU de NVIDIA. Dans un contexte où les coûts énergétiques des centres de données explosent, cet argument pèse lourd face aux opérateurs comme aux investisseurs. SambaNova ne cherche pas à supplanter NVIDIA frontalement : ses puces sont positionnées en complément, prenant en charge la phase de décodage de l'inférence tandis que les GPU gèrent les calculs les plus intensifs en amont. Cette approche hybride réduit le risque commercial tout en ouvrant un segment de marché propre. La trajectoire de SambaNova s'inscrit dans une dynamique plus large de diversification des infrastructures IA. Depuis l'explosion des usages de modèles de langage, l'inférence est devenue l'un des segments les plus stratégiques du marché, et les acteurs capables d'y proposer une alternative crédible aux GPU de NVIDIA suscitent un intérêt croissant. Les grands fonds de capital-investissement, longtemps concentrés sur les éditeurs de logiciels, se tournent désormais vers les fabricants de semi-conducteurs spécialisés. SambaNova profite également du repositionnement d'Intel, en quête de partenariats pour reconquérir le segment de l'IA après avoir raté le virage des GPU. La startup californienne, fondée en 2017, a mis plusieurs années à trouver son marché ; la convergence entre tension sur l'énergie, boom de l'inférence et consolidation industrielle lui offre aujourd'hui une fenêtre d'opportunité rare.

Infrastructure⚡Actu

1 source

40

1736AI News 

Scam.ai annonce un partenariat avec Qualcomm et lance Halo, son modèle de détection de deepfakes, au Computex 2026

La start-up Scam.ai a annoncé le 29 juin 2026, lors du Computex de Taipei, un partenariat avec Qualcomm et le lancement de Halo, un modèle de détection de deepfakes fonctionnant directement sur l'appareil de l'utilisateur pour les appels vidéo en direct. Présentée sur le stand de Qualcomm dans le cadre de la piste "Agentic AI" du salon, cette technologie analyse les flux vidéo en temps réel pendant n'importe quelle session de visioconférence, sans envoyer aucune image vers un serveur distant. Halo fonctionne en arrière-plan, de manière totalement passive, sans modifier les habitudes de travail existantes, et est optimisé pour les ordinateurs équipés de puces Qualcomm. Le partenariat donne à Scam.ai accès aux ressources et au support d'optimisation de l'écosystème matériel de Qualcomm, ce qui permet à Halo de tourner localement sans dépendre d'une infrastructure cloud. Le produit est disponible depuis juin 2026, avec des détails sur l'intégration enterprise et de nouveaux partenariats à venir dans les prochains mois. L'enjeu est considérable : les tentatives de fraude par deepfake ont progressé de plus de 2 000 % en trois ans, et seulement 31 % des responsables RH déclarent se sentir capables de les détecter. Halo cible en priorité deux profils exposés : les équipes RH et de recrutement qui conduisent des entretiens vidéo, et les dirigeants à haute valeur comme les PDG, directeurs financiers et investisseurs en capital-risque, dont les appels à fort enjeu constituent des cibles privilégiées pour l'usurpation d'identité. La fraude à l'identité lors d'entretiens vidéo est devenue un risque documenté et croissant pour les entreprises, et les solutions de détection existantes interviennent souvent après coup, là où Halo agit à la source, pendant l'appel lui-même. Dennis Ng, cofondateur de Scam.ai, souligne que les mesures de sécurité traditionnelles deviennent inefficaces dès qu'un humain est trompé, ce qui justifie une détection au moment précis de l'interaction. La montée des deepfakes en entreprise s'inscrit dans un contexte plus large d'explosion des outils de génération vidéo par IA, qui ont rendu la falsification de visages en temps réel accessible au plus grand nombre. Face à cette menace, plusieurs acteurs technologiques cherchent à développer des contre-mesures, mais la plupart des approches reposent encore sur une analyse post-call dans le cloud, soulevant des questions de confidentialité des données. L'approche on-device de Scam.ai répond directement à cette préoccupation, en gardant les images vidéo sur la machine de l'utilisateur. Le choix de Qualcomm comme partenaire positionne la solution sur les PC Copilot+ et les appareils Windows ARM, un segment en pleine croissance. La prochaine étape pour Scam.ai sera d'annoncer des intégrations avec les grandes plateformes de visioconférence, ce qui déterminera sa capacité à s'imposer comme standard de sécurité dans les environnements professionnels.

Sécurité⚡Actu

1 source

46

1737Presse-citron 

Bonne nouvelle pour votre productivité : Claude Fable 5 pourrait revenir dès cette semaine

Anthropic s'apprête à redéployer Claude Fable 5 pour le grand public, possiblement dès cette semaine, selon des informations en circulation dans le secteur. Le modèle Claude Mythos 5, suspendu depuis le 12 juin, a quant à lui déjà été remis en ligne, mais uniquement auprès d'un nombre restreint d'organisations, toutes américaines. Cette réactivation partielle marque une première étape dans le retour progressif de ces modèles après plusieurs semaines d'interruption. L'enjeu est significatif pour les entreprises et développeurs qui dépendent de ces modèles dans leurs workflows quotidiens. La suspension de Mythos 5 et l'absence de Fable 5 ont contraint de nombreuses équipes à se rabattre sur des alternatives moins performantes, avec un impact direct sur la productivité. Le retour de Fable 5 en accès général représenterait un déblocage important pour les utilisateurs individuels et les petites structures qui n'ont pas accès aux programmes d'accès anticipé réservés aux grandes organisations. Ce redéploiement s'inscrit dans un contexte de négociations actives entre Anthropic et le gouvernement américain. Le laboratoire d'IA discuterait de l'élargissement de l'accès à Claude Mythos 5 à davantage d'organisations, au-delà du cercle initial. Ces échanges illustrent la position particulière d'Anthropic, dont certains modèles semblent désormais soumis à un cadre de validation gouvernementale avant diffusion, une dynamique qui pourrait redéfinir la façon dont les modèles frontier sont distribués aux États-Unis et, par extension, à l'international.

LLMs⚡Actu

1 source

49

1738Le Big Data 

OpenAI lance officiellement GPT-5.6 : meilleur que Mythos 5 ?

OpenAI a lancé vendredi 26 juin sa famille de modèles GPT-5.6, composée de trois variantes aux noms inspirés du système solaire : Sol, Terra et Luna. Sol est présenté comme le modèle frontier le plus puissant jamais développé par la société, optimisé pour les tâches dites agentiques comme le développement logiciel, les workflows complexes, la biologie quantitative et la cybersécurité. Terra vise l'équilibre performances-coût, divisant par deux le prix de GPT-5.5 pour un niveau comparable, tandis que Luna mise sur la rapidité et le faible coût pour les traitements à haut volume. OpenAI introduit également un mode "Ultra" permettant de distribuer les tâches entre plusieurs sous-agents pour les missions les plus exigeantes. Pour l'heure, l'accès reste limité à quelques partenaires validés par le gouvernement américain. Sur le plan des performances, les résultats publiés par OpenAI positionnent Sol en tête de plusieurs benchmarks clés. Sur TerminalBench 2.1, qui évalue les tâches complexes en ligne de commande, Sol atteint 88,8 % et Sol Ultra grimpe à 91,9 %, dépassant Claude Mythos 5 d'Anthropic, crédité de 88 % sur le même test. Sur ExploitBench dédié à la cybersécurité, Sol rivalise avec Mythos Preview tout en générant environ trois fois moins de tokens, ce qui se traduit directement par des économies d'usage. Sur GeneBench v1, consacré à la génomique, Sol atteint environ 31 % pour 1,9 dollar via l'API, contre 23 % et 1,2 dollar pour GPT-5.5. Ces gains d'efficacité énergétique et économique constituent un argument commercial fort, notamment pour les entreprises qui déploient des modèles à grande échelle. La sécurité du modèle a également été renforcée via plus de 700 000 heures de tests automatisés et des exercices de piratage menés par des équipes spécialisées. Ce lancement s'inscrit dans une course à l'armement entre les grands laboratoires d'IA qui s'est nettement accélérée en 2025 et 2026. Anthropic a sorti Mythos 5 comme référence du secteur, Google pousse ses modèles Gemini, et la pression concurrentielle force chaque acteur à livrer des sauts de génération de plus en plus rapprochés. OpenAI mise ici sur une stratégie de gamme claire : un modèle souverain ultra-performant réservé aux partenaires institutionnels, un modèle grand public accessible et un modèle économique pour les déploiements massifs. L'ouverture progressive à d'autres utilisateurs, au-delà des partenaires gouvernementaux actuels, devrait intervenir dans les semaines à venir et constituera le vrai test d'adoption de GPT-5.6.

LLMs⚡Actu

1 source

36

1739Next INpact 

Dis Next, c’est quoi un « RAG » en IA générative ?

Le RAG, ou Retrieval-Augmented Generation, est une architecture logicielle qui combine deux technologies pour répondre avec précision à des questions en langage naturel sur des bases de données internes à une organisation. Concrètement, le système fonctionne en deux temps : il récupère d'abord les passages pertinents dans un corpus de documents (contrats, manuels, bases de connaissance), puis les injecte dans un grand modèle de langage qui génère une réponse cohérente et contextualisée. Le terme lui-même n'est apparu qu'en 2020, dans un article de recherche signé par Patrick Lewis alors chez Facebook AI Research, en collaboration avec l'University College London et l'université de New York, et présenté à la conférence académique NeurIPS. Pour les entreprises, l'intérêt est immédiat : un LLM seul, aussi puissant soit-il, n'a pas accès aux ressources internes de l'organisation. Il peut répondre de façon générale, mais il invente lorsqu'il ne sait pas, un phénomène connu sous le nom d'hallucination. Un chatbot de support client qui fabrique des informations sur des produits ou des procédures est un risque concret. Le RAG réduit ce risque en ancrant chaque réponse dans des documents réels et vérifiables. Il va aussi plus loin qu'une simple documentation bien organisée : là où un moteur de recherche classique exige que l'utilisateur sache exactement quoi chercher, navigue, lise et synthétise lui-même plusieurs pages, le RAG comprend une question formulée approximativement, croise plusieurs sources en simultané, et produit une réponse directe sans effort de navigation. L'émergence du RAG comme technologie phare des entreprises n'est pas un hasard de calendrier. Elle résulte de la convergence de deux évolutions qui ont mis des années à mûrir : d'un côté, les LLM sont devenus accessibles au grand public avec le lancement de ChatGPT fin 2022, appuyé sur une explosion des capacités de calcul ; de l'autre, la recherche sémantique dense, qui représente le sens d'un texte sous forme de vecteurs mathématiques comparables dans des millions de documents, a atteint une maturité industrielle suffisante. Le RAG se positionne exactement à l'intersection de ces deux mondes : ni moteur de recherche pur qui trouve sans répondre, ni IA générative pure qui répond sans chercher. Google, Microsoft et Meta ont tous structuré leurs offres enterprise autour de cette architecture, signe que le RAG est devenu la colonne vertébrale des assistants IA déployés en environnement professionnel.

Outils≡Tuto

1 source

45

1740FrenchWeb 

L’IA assèche le marché de la mémoire : APPLE anticipe déjà les prochaines pénuries

Après deux ans dominés par la pénurie de GPU NVIDIA, une nouvelle tension s'installe dans la chaîne d'approvisionnement technologique : la mémoire. Les puces HBM (High Bandwidth Memory) et la DRAM de haute performance, indispensables aux systèmes d'IA, sont en train de devenir le nouveau goulot d'étranglement de l'industrie. Apple aurait d'ores et déjà pris des mesures anticipatoires en sécurisant des volumes importants auprès de ses fournisseurs, notamment Samsung et SK Hynix, pour prévenir toute rupture sur ses prochaines générations de produits intégrant des fonctionnalités d'IA avancées. La demande explosive en mémoire est directement portée par les centres de données IA : chaque cluster de GPU H100 ou Blackwell consomme des quantités massives de HBM, réduisant d'autant la disponibilité pour les constructeurs d'appareils grand public. Pour Apple, dont les puces M et A series embarquent de la mémoire unifiée à haute vitesse, une pénurie signifierait des retards de production ou une hausse des coûts sur les iPhone, Mac et iPad, avec des répercussions directes sur les marges et les délais de livraison. Cette dynamique s'inscrit dans un mouvement plus large de reconfiguration des priorités industrielles autour de l'IA. Les fabricants de mémoire comme Micron, SK Hynix et Samsung investissent massivement dans la capacité HBM, mais les cycles de production sont longs, 18 à 24 mois pour de nouvelles lignes. Les géants de la tech qui sécurisent leurs approvisionnements dès maintenant, comme Apple, prennent une longueur d'avance décisive sur ceux qui attendront que la pénurie soit déjà installée.

Infrastructure❧Opinion

1 source