Aller au contenu principal

Actualités IA — page 88

9 304 articles au fil, du plus récent au plus ancien.

OX Alpha : le mystérieux modèle IA sur OpenRouter cache-t-il une vraie pépite ?
Illustration générée par IA
1741Le Big Data 

OX Alpha : le mystérieux modèle IA sur OpenRouter cache-t-il une vraie pépite ?

Un modèle d'intelligence artificielle baptisé OX Alpha est apparu le 20 août 2026 sur OpenRouter, la plateforme d'agrégation de modèles de langage utilisée par de nombreux développeurs. Sa particularité tient à l'anonymat total de son fournisseur, identifié uniquement sous l'appellation générique « stealth », sans qu'aucune entreprise ne revendique officiellement sa paternité. Le modèle est proposé gratuitement durant sa phase de prévisualisation et revendique une fenêtre de contexte d'un million de tokens, ainsi qu'une capacité de génération en sortie de 131 072 tokens. OX Alpha se positionne comme un modèle de raisonnement multimodal, capable de traiter à la fois du texte et des entrées visuelles comme des schémas ou des maquettes, tout en proposant une compatibilité avec l'API au format OpenAI et une fonction de function calling pour interagir avec des outils externes. Il cible en priorité le développement logiciel, les tâches complexes et les systèmes agentiques. Cette apparition intrigue la communauté des développeurs pour plusieurs raisons. D'abord, l'accès gratuit à un modèle affichant de telles capacités techniques permet à quiconque d'expérimenter sans frais des scénarios avancés, notamment l'analyse de bases de code volumineuses grâce à sa large fenêtre de contexte, ou le traitement de documentations longues. Ensuite, l'anonymat du fournisseur crée une zone d'incertitude inhabituelle dans un secteur où la traçabilité des modèles conditionne généralement la confiance des utilisateurs professionnels : sans savoir qui entraîne, héberge et exploite les données transitant par OX Alpha, les entreprises hésitent à l'intégrer dans des environnements sensibles malgré l'attrait technique. Cette situation illustre une tension croissante dans l'écosystème de l'IA générative, entre l'appétit des développeurs pour tester rapidement de nouveaux outils performants et la nécessité de garantir la sécurité et la gouvernance des données. La pratique des lancements « stealth » n'est pas inédite dans l'industrie : plusieurs laboratoires ont déjà testé des modèles sous pseudonyme sur des plateformes comme OpenRouter ou LMSYS Chatbot Arena avant de révéler officiellement leur identité, une stratégie qui permet de recueillir des retours utilisateurs en conditions réelles sans engager la réputation de la marque en cas de contre-performance. Dans le cas d'OX Alpha, les spéculations portent notamment sur des acteurs comme Z.ai ou Microsoft, sans qu'aucune source ne confirme ces hypothèses à ce stade. Ce mystère intervient alors que la compétition entre laboratoires d'IA sur les capacités de contexte long et le raisonnement agentique s'intensifie, chaque acteur cherchant à démontrer une avance technique avant une éventuelle sortie officielle. La suite dépendra de la confirmation ou non de l'identité du fournisseur, et de la manière dont les performances annoncées résisteront à l'usage prolongé par la communauté des développeurs.

LLMsOpinion
1 source
Atlassian mise sur l'essor des graphes de connaissances
Illustration générée par IA
1742The Information AI 

Atlassian mise sur l'essor des graphes de connaissances

Atlassian fait partie des éditeurs de logiciels qui misent sur les graphes de connaissances, aussi appelés bases de données en graphe, pour accompagner l'essor des agents d'intelligence artificielle capables d'automatiser du code et d'autres tâches de bureau. Ces outils permettent à l'IA d'analyser les relations entre différents types de données au sein d'une organisation, contrairement aux plateformes plus classiques comme celles de Databricks ou Snowflake, qui organisent les données en colonnes et en lignes. Les deux approches visent à nettoyer et structurer de vastes volumes d'informations pour que l'IA puisse en dégager des tendances, par exemple analyser les dépenses des clients sur un trimestre donné. Plus tôt cette année, un article a également révélé que Microsoft avait mis en place des restrictions empêchant des éditeurs concurrents d'accéder aux données de ses propres clients. Cette bascule vers les graphes de connaissances illustre un enjeu économique central pour l'industrie du logiciel : à mesure que les agents IA deviennent des outils de travail courants, les entreprises technologiques cherchent à capter la valeur générée par le stockage et la structuration des données nécessaires à leur fonctionnement. Les défenseurs des bases de données en graphe affirment qu'elles demandent moins de traitement de la part des modèles d'IA que les formats tabulaires traditionnels, ce qui peut réduire les coûts de calcul pour les entreprises clientes. Pour les organisations qui déploient des agents IA à grande échelle, le choix de l'infrastructure de données devient ainsi un facteur direct de rentabilité, et pas seulement une question technique. Cette évolution s'inscrit dans une compétition plus large entre géants du logiciel pour contrôler l'accès aux données d'entreprise à l'ère de l'IA générative. En verrouillant certains accès, comme l'a fait Microsoft, ou en proposant de nouveaux formats de stockage jugés plus efficaces, des acteurs comme Atlassian, Databricks et Snowflake cherchent à s'imposer comme intermédiaires incontournables entre les entreprises et les agents IA qu'elles adoptent. La bataille porte désormais autant sur l'architecture des données que sur les modèles d'IA eux-mêmes, et pourrait redessiner les rapports de force entre fournisseurs de cloud, éditeurs de bases de données et développeurs d'agents autonomes dans les mois à venir.

InfrastructureOpinion
1 source
Ce que l'IA fait à votre cerveau
Illustration générée par IA
1743MIT Technology Review 

Ce que l'IA fait à votre cerveau

Une étude menée par Pattie Maes et son équipe du MIT Media Lab révèle un effet préoccupant sur l'usage des chatbots pour s'informer. Pendant quatre semaines, des participants ont évalué des paires de titres d'actualité et d'images, avec ou sans l'aide d'une IA, pour distinguer les fausses informations des vraies. Au début de l'expérience, l'assistance d'un chatbot les rendait 21 % plus précis dans cette tâche. Mais dès la quatrième semaine, ces mêmes participants s'étaient dégradés de 15 % dans leur capacité à repérer les fausses nouvelles sans IA, par rapport à leur niveau initial, alors même qu'environ un quart d'entre eux affirmaient se sentir plus performants. L'étude est cosignée par Anku Rani et Valdemar Danry, tous deux doctorants en arts et sciences des médias au MIT. Ce résultat illustre ce que les chercheurs appellent le « paradoxe de la dépendance à l'IA », un phénomène déjà observé dans d'autres domaines comme la médecine. Concrètement, l'usage régulier d'un chatbot pour vérifier des informations semble éroder la capacité de jugement autonome des utilisateurs, même si ceux-ci ont l'impression subjective de progresser. Pour Anku Rani, le problème vient d'une confusion : les utilisateurs s'enthousiasment pour ces modèles de langage « magiques » en oubliant qu'il s'agit de simples systèmes statistiques prédisant le prochain mot d'une séquence. Cette découverte a des implications directes pour l'industrie de l'IA générative et les plateformes d'information, à l'heure où des millions de personnes s'appuient sur des chatbots pour trier l'actualité, avec un risque d'affaiblissement collectif de l'esprit critique. Les chercheurs ont toutefois identifié une piste : le style d'interaction de l'IA change tout. Selon Valdemar Danry, les IA qui « disent » en donnant des réponses directes favorisent la dépendance, tandis que celles qui « demandent », via un questionnement socratique, aident davantage les utilisateurs à apprendre à discerner le vrai du faux par eux-mêmes, quitte à ralentir la prise de décision initiale. Ce compromis entre vitesse et effort cognitif pose une question de conception centrale pour les développeurs de chatbots : privilégier des réponses rapides et rassurantes, ou des interfaces plus lentes mais qui préservent, voire renforcent, l'autonomie de jugement des utilisateurs face à la désinformation.

RecherchePaper
1 source
Aux jeux mondiaux de robots humanoïdes, des coureurs battent des records et s'enflamment
Illustration générée par IA
1744Ars Technica AI 

Aux jeux mondiaux de robots humanoïdes, des coureurs battent des records et s'enflamment

Des vidéos devenues virales montrent des robots humanoïdes pulvériser le record du 100 mètres détenu par Usain Bolt lors de la deuxième édition des World Humanoid Robot Games, organisée à Pékin du 22 au 26 août. Mais ces mêmes images révèlent aussi les limites de la technologie : plusieurs robots sprinteurs, incapables de s'arrêter correctement, percutent des barrières et s'effondrent au sol. Certains se brisent même au niveau de la taille dans une gerbe d'étincelles, et d'autres prennent feu. Après une première édition en 2025, cette compétition organisée par les médias d'État chinois et la municipalité de Pékin a de nouveau mis les machines à l'épreuve sur des épreuves spectaculaires : course, kung-fu, chorégraphies de danse, combats de kickboxing, football et tennis de table. Nouveauté cette année, les robots ont également été testés sur des tâches domestiques plus banales, comme laver et étendre du linge, des exercices où ils sont apparus nettement plus lents que des humains. Cet événement illustre le double visage actuel de la robotique humanoïde : des performances brutes impressionnantes dans des tâches contrôlées et répétitives, mais une fragilité persistante dès qu'il s'agit de gérer l'imprévu, comme freiner en pleine course, ou d'accomplir des gestes fins du quotidien. Pour l'industrie, ce contraste est révélateur des défis qui restent à résoudre avant une adoption commerciale à grande échelle, que ce soit dans l'industrie, la logistique ou l'assistance domestique. Le choix d'ajouter des épreuves pratiques comme le linge montre aussi que les organisateurs cherchent désormais à mesurer une utilité concrète, au-delà du seul spectacle. Cet événement s'inscrit dans une stratégie plus large de la Chine, qui pousse activement le développement de sa filière robotique et cherche à démontrer son avance technologique face à la concurrence internationale, notamment américaine. En mettant en scène ces compétitions très médiatisées, les autorités et les médias d'État chinois entendent aussi attirer investisseurs et talents vers un secteur jugé stratégique. Les échecs spectaculaires, aussi viraux que les exploits, rappellent cependant que la marge entre démonstration et robot réellement fiable pour un usage quotidien reste importante, et que la compétition entre fabricants chinois de robots humanoïdes ne fait que commencer.

RobotiqueActu
1 source
Perplexity lance un ordinateur portable sur NVIDIA DGX Spark : exécution locale, sandbox verrouillée par l'OS, coût nul par jeton
Illustration générée par IA
1745MarkTechPost 

Perplexity lance un ordinateur portable sur NVIDIA DGX Spark : exécution locale, sandbox verrouillée par l'OS, coût nul par jeton

Perplexity a lancé Portable Computer, une version locale de sa plateforme d'agents Computer, conçue pour tourner directement sur le DGX Spark de NVIDIA. Le système embarque en un seul paquet le moteur d'orchestration, le planificateur, le routeur d'outils, le bac à sable d'exécution et les connecteurs applicatifs (Gmail, Outlook, Slack, GitHub), ainsi que les modèles eux-mêmes : Qwen 3.8 27B ou PPLX 27B, la variante post-entraînée maison de Perplexity, avec un modèle NVIDIA Nemotron 3.5 Lightning, un MoE ouvert de 30 milliards de paramètres, annoncé comme bientôt disponible. L'entreprise autorise aussi l'usage de modèles et serveurs d'inférence tiers. Chaque tâche démarre localement, sans coût par jeton ; si une étape nécessite une recherche web en direct ou un raisonnement de pointe, l'orchestrateur s'arrête, demande une autorisation, applique un classificateur de données personnelles, puis transmet cette seule étape à l'un des plus de 15 modèles cloud disponibles, sans jamais leur donner accès aux fichiers ou outils locaux. Côté matériel, la configuration exige une puce GB10, 128 Go de mémoire et au moins 1 To de stockage, ou à défaut un GPU RTX doté de 24 Go de VRAM. Cette approche vise en priorité les entreprises et équipes de taille intermédiaire disposant déjà de stations de travail NVIDIA, ainsi que des startups d'intelligence artificielle bien financées ; la barrière à l'entrée reste le prix du matériel, ce qui exclut de fait la plupart des petites structures. Les secteurs les plus concernés sont ceux où la confidentialité contractuelle ou la résidence des données interdit le recours à l'inférence dans le cloud : finance, droit, santé, administrations publiques, défense et ingénierie à forte propriété intellectuelle. L'outil cible des usages comme la revue de conformité sur des lots de documents, la recherche bornée par des données sensibles, les migrations de code à l'échelle d'un dépôt entier, ou le tri de demandes avant notification sur Slack. En rendant le calcul local gratuit et en ne faisant remonter vers le cloud que le strict nécessaire, Perplexity répond à une contrainte de coût et de conformité que les architectures tout-cloud ne peuvent pas lever. Sur son propre banc d'essai de 53 tâches, le Local Knowledge Work Bench, que Perplexity prévoit d'ouvrir en open source, Computer avec Qwen 3.8 27B obtient un score de 82,6%, contre 77,6% pour le harnais open source Pi et 74,0% pour Hermes sur le même modèle ; PPLX 27B porte ce score à 85,4%. Sur BrowseComp, Computer atteint 66,7% contre 50,2% pour Pi et 43,9% pour Hermes, avec 51% de temps et 70% de jetons en moins que Pi. Sur Terminal Bench 2.1, l'exécution purement locale plafonne à 59,6% à coût marginal nul ; l'escalade vers le cloud la porte à 73,0% pour environ 0,415 dollar par exécution, contre 82,4% pour environ 0,65 dollar avec Claude Opus 5 seul, un résultat qui illustre autant les gains de l'hybridation que l'écart persistant face aux modèles de pointe.

OutilsOutil
1 source
Observabilité à base d'agents avec les MCP Apps d'Amazon OpenSearch Service
Illustration générée par IA
1746AWS ML Blog 

Observabilité à base d'agents avec les MCP Apps d'Amazon OpenSearch Service

Amazon vient d'annoncer que Amazon OpenSearch Service prend désormais en charge les MCP Apps, une extension du Model Context Protocol (MCP), le standard ouvert qui permet aux agents d'intelligence artificielle d'interroger des outils externes. Concrètement, chaque appel d'outil MCP renvoie désormais une double réponse : un résumé textuel structuré, comme auparavant, mais aussi une visualisation interactive, telle qu'une cartographie de traces (trace waterfall), une carte de topologie de services ou une vue des motifs de logs, affichée directement dans la fenêtre de discussion de l'assistant IA de l'utilisateur, qu'il s'agisse d'un IDE agentique ou d'un autre environnement compatible MCP. L'architecture repose sur un serveur MCP local installé sur la machine de l'ingénieur, qui fait office de pont sécurisé entre l'IDE et l'application OpenSearch, en exposant les outils d'observabilité que l'agent peut appeler. Ces visualisations sont générées en exécutant du code directement sur les mêmes sources de données que celles qui alimentent les tableaux de bord habituels, ce qui garantit des résultats déterministes plutôt qu'une simple interprétation du modèle. Amazon illustre l'usage avec un exemple concret : un rapport affichant le nombre d'erreurs par service, accompagné d'une analyse de cause racine générée par l'IA, le tout dans une seule fenêtre de conversation. Cette évolution vise à combler un point de friction précis dans les flux de travail d'observabilité agentique, celui de la vérification humaine. Jusqu'ici, un agent IA pouvait interroger des alertes, corréler logs et traces, et produire une hypothèse de cause racine en quelques minutes, mais l'ingénieur devait ensuite quitter cet environnement, se connecter à une interface d'observabilité séparée dans un navigateur, relancer manuellement les requêtes et comparer visuellement les résultats avec le texte fourni par l'agent, perdant au passage le fil de son investigation. Pour les équipes d'ingénierie fiabilité (SRE) et les organisations qui exploitent des configurations d'observabilité agentique en local plutôt que de dépendre d'une solution entièrement intégrée fournie par un éditeur, ce va-et-vient représentait le principal goulot d'étranglement opérationnel, annulant une bonne partie du gain de vitesse promis par l'automatisation par agents. En intégrant les tableaux de bord directement dans le fil de conversation, Amazon promet de réduire ce temps de vérification, ce qui pourrait accélérer sensiblement les cycles de diagnostic d'incidents pour les équipes techniques utilisant OpenSearch comme socle d'observabilité. Cette annonce s'inscrit dans la montée en puissance des agents IA appliqués à l'observabilité et à la gestion d'incidents, un domaine où plusieurs fournisseurs cherchent à connecter des modèles de langage à des données de télémétrie en temps réel via le Model Context Protocol, un standard ouvert popularisé par Anthropic et désormais largement adopté dans l'écosystème des outils pour développeurs. Le compromis évoqué par Amazon, entre autonomie et facilité d'usage, reflète un débat plus large dans l'industrie : les équipes qui choisissent des déploiements agentiques locaux gagnent en contrôle des coûts et en indépendance vis-à-vis des fournisseurs, mais sacrifiaient jusqu'ici l'ergonomie offerte par les solutions propriétaires entièrement intégrées. En ouvrant OpenSearch Service à ce nouveau mécanisme de rendu interactif au sein même du protocole MCP, Amazon Web Services cherche à réduire cet écart sans forcer les équipes à migrer vers un service tout-en-un fermé, une approche qui pourrait inciter d'autres fournisseurs d'outils d'observabilité à proposer des extensions similaires pour leurs propres intégrations MCP.

OutilsOutil
1 source
Mobilio : cette appli IA aide les personnes malvoyantes à se déplacer et éviter les obstacles
Illustration générée par IA
1747Le Big Data 

Mobilio : cette appli IA aide les personnes malvoyantes à se déplacer et éviter les obstacles

Des chercheurs de l'université Harvard, rattachés à la John A. Paulson School of Engineering and Applied Sciences, ont développé Mobilio, une application destinée à aider les personnes aveugles et malvoyantes à se déplacer dans l'espace public. Le système s'appuie sur la caméra, le GPS et les capteurs de mouvement du smartphone, avec un recours possible au LiDAR sur les appareils compatibles, pour analyser en continu l'environnement de l'utilisateur et délivrer des indications sonores directionnelles qui s'ajustent selon ses réactions. Avant de concevoir l'outil, l'équipe a interrogé plus de 100 personnes aveugles ou malvoyantes afin de cerner leurs besoins réels. Un premier test mené avec 14 participants équipés d'une canne blanche a montré des résultats encourageants : un trajet extérieur parcouru environ 13 % plus rapidement qu'avec Google Maps combiné à une canne, et une réduction d'environ 41 % des contacts avec des obstacles en intérieur. L'intérêt de Mobilio tient à la façon dont il comble une lacune précise des outils de navigation existants. Les applications GPS grand public, conçues avant tout pour guider des automobilistes ou des piétons sur de grands trajets, indiquent bien quand tourner à un carrefour, mais ne renseignent ni sur le maintien d'une trajectoire sûre le long d'un trottoir ni sur la présence d'un obstacle immédiat, poteau, poubelle, véhicule mal garé. Pour une personne malvoyante, cette information de proximité est pourtant celle qui conditionne la sécurité du déplacement au quotidien. En améliorant la détection fine de l'environnement immédiat, Mobilio ouvre la voie à des outils d'assistance à la mobilité plus autonomes, potentiellement moins coûteux et moins contraignants que les solutions existantes, avec un impact direct sur l'indépendance et la sécurité de millions de personnes en situation de déficience visuelle. Ce projet illustre une limite technique plus large des systèmes de vision par ordinateur utilisés en robotique et en navigation assistée : la plupart des bases de données d'entraînement sont capturées depuis des véhicules, ce qui les rend mal adaptées à la perspective d'un piéton au niveau du trottoir. Les chercheurs de Harvard ont donc entraîné leur propre modèle de vision avec des données prises à hauteur de piéton, afin de mieux reconnaître trottoirs, passages piétons et autres infrastructures urbaines empruntées à pied. Le projet reste toutefois expérimental, l'échantillon de 14 participants étant jugé trop restreint pour en tirer des conclusions définitives. L'équipe prévoit désormais des tests à plus grande échelle dans la région de Boston, avec l'objectif de faire sortir Mobilio du laboratoire pour en faire un outil utilisable au quotidien, dans un contexte où l'IA s'impose progressivement comme un levier concret d'accessibilité, au-delà des usages plus médiatisés de génération de texte ou d'image.

RecherchePaper
1 source
OpenAI dévoile Jalapeño, sa première puce maison, plus rapide que les Blackwell de Nvidia en inférence
Illustration générée par IA
1748The Decoder 

OpenAI dévoile Jalapeño, sa première puce maison, plus rapide que les Blackwell de Nvidia en inférence

OpenAI a dévoilé lors de la conférence Hot Chips son premier processeur d'inférence conçu en interne, baptisé "Jalapeño". Des essais publiés par OpenAI sur InferenceX, le banc d'essai de la société d'analyse SemiAnalysis, placent cette puce devant les GB200 et GB300 de Nvidia en débit de calcul et en efficacité énergétique. SemiAnalysis, qui indique avoir relu ces exécutions avec les ingénieurs d'OpenAI sans conduire elle-même la suite complète, juge la comparaison incomplète : Jalapeño embarque de la mémoire HBM4 quand les GB200 et GB300 sont en HBM3E. Dylan Patel, patron de SemiAnalysis, a résumé la performance en soulignant que les puces de première génération sont habituellement peu compétitives, alors que celle d'OpenAI devance déjà les Blackwell de Nvidia. Le dépassement de la génération suivante, Vera Rubin, ne repose pas sur un face-à-face mais sur un recoupement avec des chiffres publiés séparément. Ces résultats ont été présentés publiquement lors de la conférence, un rendez-vous suivi de près par l'industrie des semi-conducteurs. Cette annonce marque un tournant potentiel dans la dépendance d'OpenAI envers Nvidia, qui fournit aujourd'hui l'essentiel de la puissance de calcul utilisée pour faire tourner ses modèles comme ChatGPT. Si Jalapeño tient ses promesses à grande échelle, OpenAI pourrait réduire ses coûts d'inférence, qui représentent une part croissante de ses dépenses à mesure que l'usage de ses produits explose, tout en gagnant en indépendance stratégique face à un fournisseur unique dont les prix et les délais de livraison pèsent sur l'ensemble du secteur. Cette démarche s'inscrit dans une tendance plus large où les grands acteurs de l'intelligence artificielle développent leurs propres puces pour limiter leur dépendance à Nvidia, à l'image de Google avec ses TPU, Amazon avec Trainium ou Microsoft avec Maia. OpenAI travaillerait notamment avec Broadcom sur la conception de ces circuits. Reste à voir si Jalapeño passera du stade des bancs d'essai à un déploiement massif dans les centres de données d'OpenAI.

L'injection de prompt est classée n°1 par l'OWASP, mais seulement n°12 dans les incidents recensés : l'attaque est indétectable par un scan
Illustration générée par IA
1749VentureBeat AI 

L'injection de prompt est classée n°1 par l'OWASP, mais seulement n°12 dans les incidents recensés : l'attaque est indétectable par un scan

Une nouvelle analyse publiée le 18 août 2026 sur arXiv révèle un écart marqué entre la perception des experts en cybersécurité et les données réelles concernant l'injection de prompt, l'une des principales menaces visant les applications basées sur des modèles de langage. Cette technique occupe la première place du classement OWASP Top 10 des risques pour les applications LLM depuis trois années consécutives, mais elle ne se classe qu'en douzième position lorsqu'elle est confrontée à 6 639 incidents réels documentés. Cette étude a été menée par Kyriakos "Rock" Lambros, directeur des standards et de la gouvernance IA chez Zenity, et Steve Wilson, directeur IA et produit chez Exabeam, tous deux co-responsables du projet OWASP Top 10 pour les applications LLM. Les chercheurs ont compilé 7 714 incidents de sécurité liés aux LLM issus de bases comme CVE, GitHub Security Advisories, OSV et AIAAIC, puis en ont classé 6 639 selon une taxonomie de 20 catégories, en s'appuyant sur un modèle bayésien pour corriger les erreurs de classification. Le coefficient de concordance Cohen's kappa obtenu n'est que de 0,20, avec un intervalle de confiance à 90 % s'étendant de -0,16 à 0,57, ce qui signifie qu'aucun accord statistiquement fiable n'a pu être établi entre le jugement des experts et les données publiques d'incidents. Cet écart s'explique par la nature même de l'attaque : l'injection de prompt dissimule des instructions malveillantes dans du contenu que le modèle lit ensuite, qu'il s'agisse d'un fichier journal, d'un ticket de support ou d'un document récupéré par un système de recherche documentaire. L'agent IA exécute alors l'action voulue par l'attaquant en utilisant ses propres identifiants légitimes, sans qu'aucune faille technique classique ne soit exploitée, ce qui rend l'attaque invisible aux scanners de vulnérabilités traditionnels et explique son faible nombre de CVE recensés. Pour les responsables de la sécurité informatique, cette découverte a une portée pratique immédiate, un faible score de vulnérabilités constatées ne doit pas conduire à sous-estimer ce risque, mais au contraire inciter à investir dans des contrôles architecturaux, comme des tests adversariaux sur les systèmes déployés et des limites strictes sur les capacités d'action des agents IA, plutôt que d'attendre des alertes qui, par construction, arriveront toujours trop tard. Steve Wilson illustre concrètement la parade à privilégier, à travers l'exemple d'un agent qui lirait une charge malveillante dans un fichier journal et tenterait de modifier des enregistrements DNS avec des identifiants valides. Selon lui, la première mesure à déployer consiste à instaurer une porte d'autorisation externe au modèle, permettant à l'agent de proposer une action sans pouvoir s'octroyer lui-même l'autorité de l'exécuter, les règles de sécurité inscrites dans les prompts n'étant que des suggestions et non des contrôles réellement contraignants. Cette approche a un coût : l'agent perd sa capacité à improviser des changements d'infrastructure à fort impact de façon autonome, tout en conservant sa capacité d'investigation et de remédiation routinière bornée. Les auteurs précisent que leur analyse reste exploratoire, n'a pas fait l'objet d'une relecture par des pairs et ne remplace pas le classement officiel de l'OWASP ni son processus de validation, mais elle relance le débat sur la manière de mesurer et de prioriser les risques liés à l'intelligence artificielle générative dans les systèmes d'entreprise.

SécuritéActu
1 source
Google lance Gemini pour le juridique afin d'automatiser contrats et recherches
Illustration générée par IA
1750The Decoder 

Google lance Gemini pour le juridique afin d'automatiser contrats et recherches

Google a lancé Gemini Enterprise for Legal, une déclinaison de son assistant d'intelligence artificielle spécifiquement conçue pour le secteur juridique. Cette solution s'intègre via des connecteurs MCP (Model Context Protocol) à des systèmes déjà largement utilisés par les cabinets d'avocats et les départements juridiques d'entreprise, notamment iManage pour la gestion documentaire, DocuSign pour la signature électronique et Everlaw pour le contentieux et la découverte de preuves. Des partenaires comme le cabinet de conseil Deloitte proposent déjà des agents IA prêts à l'emploi bâtis sur cette base, capables de prendre en charge des tâches comme la relecture de contrats. Ces agents utilisent les mêmes modèles Gemini que ceux déployés dans les autres produits grand public et professionnels de Google, sans variante technique propre au secteur juridique. L'enjeu pour les cabinets et directions juridiques est de taille : la relecture de contrats et la recherche documentaire comptent parmi les tâches les plus chronophages et coûteuses de la profession, souvent facturées à l'heure. Automatiser une partie de ce travail promet des gains de productivité significatifs et pourrait redéfinir la manière dont les juristes facturent et organisent leur temps, avec des répercussions potentielles sur l'emploi des postes juniors traditionnellement chargés de ces tâches répétitives. Ce lancement s'inscrit dans une compétition déjà engagée entre grands fournisseurs d'IA pour capter le marché juridique, d'ordinaire prudent face aux nouvelles technologies en raison des exigences de confidentialité et de précision. Anthropic propose déjà des solutions comparables destinées aux professionnels du droit. L'adoption du protocole MCP par Google pour connecter ses agents aux outils métiers existants illustre une tendance plus large du secteur : plutôt que de remplacer les logiciels spécialisés, les grands modèles de langage cherchent désormais à s'y greffer directement.

OutilsOutil
1 source
L'IA du MIT prédit les phénomènes météo extrêmes sans données historiques
Illustration générée par IA
1751AI News 

L'IA du MIT prédit les phénomènes météo extrêmes sans données historiques

Des ingénieurs du MIT ont mis au point un outil d'intelligence artificielle capable de prévoir des événements météorologiques extrêmes sans avoir été entraîné sur des données historiques de catastrophes. Le projet est signé Kai Chang, doctorant en ingénierie mécanique, et Themis Sapsis, professeur titulaire de la chaire William I. Koch en ingénierie mécanique et océanique au MIT, tous deux rattachés au MIT Center for Computational Science and Engineering. Leur méthode, baptisée Extreme Event Aware, ou η-learning, a été détaillée dans un article publié le 20 août dans la revue Nature Communications. Les chercheurs l'ont testée sur les précipitations aux États-Unis continentaux, à partir de 25 années de données horaires de pluie regroupées en cartes journalières. Fait notable, la partie spatiale de l'algorithme n'a été entraînée que sur les six premiers mois de cette période de 25 ans, un intervalle ne contenant que peu, voire aucun exemple de pluies extrêmes. Résultat concret : alors que le record de pluie jamais enregistré à New York s'élève à 200 millimètres, l'outil parvient à générer des cartes plausibles d'une tempête qui produirait 300 millimètres, un niveau totalement absent des archives. Cette capacité change la donne pour tous ceux qui doivent anticiper des scénarios catastrophes sans précédent historique direct, comme les assureurs, les urbanistes ou les gestionnaires de réseaux électriques. Ces acteurs cherchent habituellement à savoir à quoi ressemblerait une tempête centennale pour un lieu donné, mais les modèles actuels reposent sur des jeux de données contenant déjà des extrêmes similaires, ce qui limite leur capacité à imaginer l'inédit. Sapsis illustre l'enjeu avec l'ouragan Katrina, un événement qui survient statistiquement tous les 30 à 40 ans : la question posée par son équipe est de savoir à quoi ressemblerait l'équivalent centennal de Katrina. Concrètement, une ville pourrait désormais tester la résistance de ses digues face à une submersion marine dépassant tout ce qui a été enregistré jusqu'ici, avant même qu'un tel événement ne se produise. L'approche du MIT repose sur la combinaison de deux types de données : des statistiques ponctuelles, qui mesurent la fréquence d'un niveau d'intensité donné dans un jeu de données, et des cartes spatiales, qui montrent comment l'impact d'un événement varie selon les régions. En apprenant la relation statistique entre ces deux dimensions, l'algorithme construit des scénarios spatiaux plausibles bien au-delà de ce qu'il a observé, sans nécessiter d'exemples préalables des extrêmes visés. Selon Kai Chang, l'outil peut générer un grand volume de ces scénarios simultanément, chacun assorti d'estimations de durée, d'intensité et de zone d'impact, ouvrant la voie à des tests d'infrastructures plus robustes face au changement climatique.

RecherchePaper
1 source
☕️ OpenAI bannit les comptes ChatGPT d’une opération russe de désinformation
Illustration générée par IA
1752Next INpact 

☕️ OpenAI bannit les comptes ChatGPT d’une opération russe de désinformation

OpenAI a annoncé avoir supprimé plusieurs comptes ChatGPT liés à une opération d'influence attribuée à la Russie et destinée à promouvoir l'International Burke Institute (IBI), un prétendu think tank d'experts présenté comme basé en Israël. Les comptes bannis généraient des messages en anglais et en allemand, diffusés sur X, Telegram, Substack, Facebook et LinkedIn, conçus pour effacer les indices linguistiques susceptibles de trahir leur origine russe. Pour contourner le blocage géographique qu'OpenAI applique à la Russie, les opérateurs passaient par des VPN. Le site de l'IBI, enregistré en février 2025, publie des articles qui ne sont pas rédigés par ChatGPT mais souvent recopiés depuis de véritables travaux universitaires, parfois avec de fausses attributions d'auteurs : sur 36 articles associés à des experts publiés entre septembre 2025 et mai 2026, OpenAI en dénombre 34 copiés d'ailleurs. Le site revendique la participation de figures reconnues comme Noam Chomsky et Francis Fukuyama, et met en avant un « indice de souveraineté » qui fait l'éloge de la Russie tout en dénigrant les pays occidentaux, la France étant décrite, après les deux mandats d'Emmanuel Macron, comme « un coffre-fort ouvert et vendu par morceaux ». Cette affaire illustre la manière dont l'intelligence artificielle générative s'intègre désormais dans des dispositifs de désinformation étatique, même lorsque son rôle reste limité en apparence. OpenAI qualifie l'opération de première tentative russe d'une telle ampleur qu'elle est parvenue à déjouer, ce qui souligne la sophistication croissante de ces campagnes et la difficulté à les détecter, en particulier quand l'IA sert surtout à maquiller l'origine des contenus plutôt qu'à les produire en masse. Pour les plateformes, les chercheurs en désinformation et les autorités européennes, cela confirme la nécessité de surveiller non seulement le volume de contenu généré par IA, mais aussi l'infrastructure narrative construite autour, ici un faux institut doté d'une façade académique crédible. Dans les faits, l'impact mesuré reste modeste : les publications ont généré peu de vues et les comptes affiliés à l'IBI comptaient peu d'abonnés, à l'exception de plusieurs chaînes Telegram rassemblant chacune entre 10 000 et 20 000 abonnés. Cette découverte s'inscrit dans une série d'actions similaires d'OpenAI, qui avait déjà banni des comptes chinois utilisés pour surveiller les réseaux sociaux, et publié un plan d'action contre la désinformation politique. Elle relance le débat sur la responsabilité des fournisseurs de modèles d'IA face à des opérations d'influence géopolitique, la Russie étant régulièrement citée dans le contexte de sa guerre en Ukraine et de ses tensions avec l'Union européenne et l'Allemagne.

SécuritéActu
1 source
Un site d'abonnement vidéo retrouve un second souffle en licenciant ses vidéos à l'IA
Illustration générée par IA
1753The Information AI 

Un site d'abonnement vidéo retrouve un second souffle en licenciant ses vidéos à l'IA

CuriosityStream, service de streaming spécialisé dans les documentaires consacrés notamment à l'Égypte antique ou au Golfe Persique, a frôlé la radiation du Nasdaq il y a trois ans, victime d'un afflux post-pandémie de plateformes concurrentes qui avait fait chuter son chiffre d'affaires de 27% en 2023, à son plus bas niveau en quatre ans. Fondée en 2015 par John Hendricks, le créateur de Discovery Channel, l'entreprise a opéré un redressement spectaculaire depuis l'automne dernier en décidant de céder sous licence des milliers d'heures de films dont elle détient les droits à des entreprises entraînant des modèles d'intelligence artificielle. Début août 2026, CuriosityStream a annoncé des profits records, portés par ces revenus de licence. Selon une source proche du dossier, Meta, Google, xAI, OpenAI et Anthropic ont toutes obtenu des licences sur son catalogue. L'action du groupe, qui avait plongé jusqu'à 45 cents en février 2024, a clôturé lundi à 2,84 dollars, un net rebond même si le titre reste très loin de son pic de 24 dollars atteint en 2021. Ce redressement illustre une transformation plus large du modèle économique des détenteurs de contenus audiovisuels à l'ère de l'IA générative. Pour des catalogues de niche comme celui de CuriosityStream, la vente de droits d'entraînement à des géants technologiques peut désormais peser plus lourd dans les revenus que l'abonnement lui-même, offrant une bouée de sauvetage financière à des acteurs fragilisés par la concurrence des grandes plateformes de streaming. Cela ouvre aussi la voie à un nouveau marché où la valeur d'un fonds documentaire se mesure autant à son utilité pour nourrir des modèles de langage qu'à son attrait pour les abonnés. John Higgins, vice-président de CuriosityStream chargé des partenariats de données, résume la situation en expliquant que l'activité de streaming se poursuit, mais que la croissance provient depuis deux ans de la vente de données à l'IA, un mouvement qui s'accélère. Ce cas s'inscrit dans une course plus vaste des laboratoires d'IA à sécuriser des contenus vidéo de qualité et légalement acquis, alors que les questions de droits d'auteur sur les données d'entraînement restent un sujet de tension juridique majeur dans l'industrie technologique.

BusinessActu
1 source
OpenAI affirme que sa puce Jalapeño accélère les réponses IA plus que la concurrence
Illustration générée par IA
1754The Verge AI 

OpenAI affirme que sa puce Jalapeño accélère les réponses IA plus que la concurrence

OpenAI a annoncé mardi, dans un billet de blog, que sa nouvelle puce Jalapeño exécute les tâches d'intelligence artificielle plus efficacement et renvoie des réponses plus rapidement que les systèmes concurrents. Lors d'un point presse, Richard Ho, vice-président matériel d'OpenAI, a expliqué que Jalapeño offre "le meilleur des deux mondes", combinant une latence plus faible et un débit plus élevé, alors que les systèmes d'IA doivent habituellement choisir entre ces deux critères. Présentée pour la première fois en juin, Jalapeño est un circuit intégré spécifique à une application (ASIC) développé en partenariat avec le fabricant de semi-conducteurs Broadcom. Elle est conçue pour l'inférence, c'est-à-dire l'exécution d'un modèle déjà entraîné afin d'accomplir une tâche ou de faire tourner un agent, plutôt que pour l'entraînement des modèles eux-mêmes. Ce gain de performance a une portée concrète pour des dizaines de millions d'utilisateurs de ChatGPT et pour les entreprises qui s'appuient sur les API d'OpenAI, puisque des réponses plus rapides et un traitement plus efficace se traduisent directement par une meilleure expérience et des coûts d'exploitation réduits. En concevant ses propres puces plutôt qu'en dépendant uniquement des processeurs graphiques de Nvidia, OpenAI cherche aussi à reprendre la main sur ses coûts d'infrastructure et sa chaîne d'approvisionnement, dans un secteur où la demande en puissance de calcul explose plus vite que l'offre. Cette démarche s'inscrit dans une tendance plus large des grands acteurs de l'IA à concevoir du silicium sur mesure, à l'image de Google avec ses puces TPU, d'Amazon avec Trainium ou de Microsoft avec Maia. Le partenariat avec Broadcom, révélé publiquement plus tôt cette année, doit permettre à OpenAI de déployer Jalapeño à grande échelle dans ses centres de données, tout en continuant de s'appuyer sur Nvidia pour une partie de ses besoins.

InfrastructureActu
1 source
L’IA ne supprime pas encore les emplois… mais elle s’attaque déjà aux débutants
Illustration générée par IA
1755Le Big Data 

L’IA ne supprime pas encore les emplois… mais elle s’attaque déjà aux débutants

Une étude actualisée par des économistes de Stanford, basée sur des données anonymisées de fiches de paie collectées par ADP, montre que l'emploi des 22-25 ans dans les métiers les plus exposés à l'intelligence artificielle est désormais inférieur de 19 % à celui observé dans les professions moins touchées, contre un écart de 13 % un an plus tôt. Depuis 2022, l'emploi des jeunes dans les 40 % de professions les plus exposées à l'IA a reculé d'environ 11 %, tandis qu'il a progressé de 10 % dans les 60 % de métiers les moins exposés. Les chercheurs se sont notamment appuyés sur l'Anthropic Economic Index, qui distingue les tâches que l'IA peut automatiser entièrement de celles où elle sert plutôt d'assistant. Chez les travailleurs plus âgés, en revanche, l'écart entre métiers exposés et non exposés reste beaucoup plus faible, ce qui suggère que le phénomène touche spécifiquement les nouveaux entrants sur le marché du travail. Le principal mécanisme identifié n'est pas une vague de licenciements, mais un ralentissement des embauches de jeunes diplômés dans les métiers où l'IA peut prendre en charge une large part des tâches, comme la comptabilité, l'audit, ou les postes de réceptionniste et d'agent d'information. À l'inverse, dans les professions où l'IA agit comme un outil d'augmentation plutôt que de substitution, à l'image des dirigeants d'entreprise ou des infirmiers diplômés, l'emploi des jeunes résiste mieux, voire progresse. Cette distinction pèse directement sur les stratégies de recrutement des entreprises et redessine les portes d'entrée classiques du marché du travail, au moment où des millions de diplômés cherchent leur premier emploi chaque année. Stanford avance une explication structurelle à ce phénomène : les débutants seraient particulièrement vulnérables dans les métiers reposant sur des connaissances dites codifiées, c'est-à-dire des savoirs formels et standardisés que l'on apprend via une formation ou un manuel, et que l'IA peut absorber rapidement. Les travailleurs expérimentés, eux, s'appuient davantage sur des connaissances tacites, acquises par la pratique et le mentorat, plus difficiles à automatiser. Les métiers riches en connaissances codifiées affichent ainsi une croissance plus faible en début de carrière, alors que les professions fondées sur l'expérience progressent surtout chez les travailleurs chevronnés. Point positif toutefois : les écarts liés à l'IA seraient moins marqués dans les métiers comptant une forte proportion de diplômés universitaires, ce qui laisse entrevoir des marges d'adaptation selon les filières et les compétences développées durant les études.

SociétéPaper
1 source
Perplexity s'associe à Nvidia pour lancer Portable Computer, un agent IA local sans coûts de tokens
Illustration générée par IA
1756VentureBeat AI 

Perplexity s'associe à Nvidia pour lancer Portable Computer, un agent IA local sans coûts de tokens

Perplexity a lancé lundi 25 août 2026 Portable Computer, une version entièrement locale de sa plateforme d'agent IA "Computer", développée en partenariat étroit avec Nvidia. Le système fonctionne sur du matériel que les utilisateurs possèdent déjà, notamment le supercalculateur de bureau DGX Spark de Nvidia et des machines Linux équipées de GPU RTX. Modèles, fichiers et travail restent sur l'appareil, et toute tâche effectuée localement ne consomme aucun crédit de facturation ; le système démarre par défaut en local et demande la permission avant d'envoyer une étape vers un modèle cloud plus puissant. Lors d'une présentation à la presse lundi, Nate, vice-président ingénierie infrastructure et entreprise chez Perplexity, a expliqué que l'application embarque l'intégralité du harnais d'agent et de l'inférence nécessaires pour travailler localement. Au lancement, les utilisateurs peuvent choisir Qwen 3.8 27B ou PPLX 27B, un modèle post-entraîné par Perplexity sur son propre harnais, avec l'arrivée prochaine de Nemotron 3.5 Lightning de Nvidia. Une démonstration a montré un modèle Qwen à 27 milliards de paramètres analysant des documents fiscaux 1099 en pleine utilisation GPU sur un DGX Spark, sans qu'aucun crédit cloud ne soit consommé. Cette annonce marque une étape importante dans la tentative de déplacer des charges de travail d'agents IA sérieuses hors du cloud vers les appareils locaux. Pour les utilisateurs traitant des documents sensibles, comme des données financières ou fiscales, l'exécution locale évite d'envoyer ces informations vers des serveurs distants tout en supprimant les coûts récurrents liés aux jetons ("tokens"). Pour Nvidia, qui a bâti sa stratégie ces deux dernières années autour de la vente de centres de données à plusieurs milliers de milliards de dollars, ce partenariat signale un pari différent mais stratégique : l'IA locale serait passée du stade de curiosité pour amateurs à celui d'outil pratique, ouvrant un nouveau marché pour ses puces destinées aux postes de travail individuels plutôt qu'aux seuls data centers. Historiquement, assembler une pile d'IA locale complète exigeait de télécharger soi-même les poids des modèles, de déployer un serveur d'inférence et de connecter manuellement les outils, un processus que Nate a qualifié de "vraiment pénible". Portable Computer regroupe modèles locaux, harnais d'agent, moteur d'inférence, outils, connecteurs d'applications et bac à sable de sécurité dans un seul système, avec l'ambition de rendre cette expérience accessible rapidement. Nader, directeur des technologies pour développeurs chez Nvidia, a souligné que les modèles open source récents, plus performants que les versions quantifiées utilisées par les amateurs, ont rendu cette approche véritablement praticable. Le produit conserve aussi une dimension hybride : une démonstration a montré l'agent analysant localement un fichier de données d'entonnoir utilisateur avant de transmettre les résultats vers Slack via l'écosystème de connecteurs de Perplexity, qui inclut également Google Drive, Gmail et GitHub, avec la possibilité d'escalader vers un modèle cloud plus puissant en cas de besoin.

ChatGPT Plus remet sa limite de 5 heures : pourquoi OpenAI prend une telle décision ?
Illustration générée par IA
1757Le Big Data 

ChatGPT Plus remet sa limite de 5 heures : pourquoi OpenAI prend une telle décision ?

OpenAI réintroduit à partir du 26 août 2026 la limite de cinq heures d'utilisation pour les abonnés ChatGPT Plus sur les fonctionnalités Work et Codex. Cette contrainte, qui avait été retirée temporairement en juillet, revient donc après plusieurs semaines d'absence. Thibault Sottiaux, responsable de l'ingénierie chez OpenAI, a annoncé la nouvelle sur X, précisant qu'il avait déjà évoqué ce retour avant de le reporter. Concrètement, une fois le quota de cinq heures épuisé sur une session, l'utilisateur doit patienter jusqu'au renouvellement de son forfait ou recourir à des crédits supplémentaires payants pour continuer à utiliser l'outil. En revanche, les abonnements Pro, facturés 100 et 200 dollars par mois, échappent à cette restriction : OpenAI prévoit de laisser la limite désactivée pour ces formules pendant encore plusieurs mois. Cette décision touche directement les utilisateurs les plus actifs de ChatGPT Plus, en particulier ceux qui exploitent intensivement Work ou Codex pour des tâches de développement et d'automatisation prolongées. Selon Sottiaux, la mesure vise avant tout à mieux répartir la charge de calcul sur les infrastructures d'OpenAI dans le temps, plutôt que de laisser certains utilisateurs concentrer une quantité massive de ressources sur une seule session. L'entreprise affirme que ce lissage lui permet en retour de maintenir des quotas hebdomadaires plus généreux pour l'ensemble des abonnés. Autre argument avancé : de nombreux utilisateurs Plus sont occasionnels ou nouveaux sur la plateforme, et risquent, sans cette limite intermédiaire, d'épuiser tout leur quota hebdomadaire en une seule longue session sans s'en rendre compte, avant de découvrir qu'ils doivent attendre plusieurs jours pour retrouver l'accès. La limite de cinq heures agit donc, selon OpenAI, comme un garde-fou contre ce type de mauvaise surprise, tout en accentuant la différence de traitement entre les formules Plus et Pro, ce qui pourrait inciter les utilisateurs les plus gourmands à migrer vers les offres supérieures. Ce retour en arrière illustre les tensions persistantes entre la demande croissante pour les outils agentiques comme Codex, de plus en plus utilisés pour des tâches de programmation longues et complexes, et les capacités de calcul disponibles chez OpenAI. La suppression temporaire de la limite en juillet avait été perçue comme un geste d'ouverture envers les abonnés Plus, mais son maintien s'est visiblement heurté à des contraintes techniques et économiques liées à la gestion de la charge informatique. OpenAI assume ce choix et n'exclut pas de le faire évoluer, sans donner de calendrier précis. Le sujet illustre plus largement la difficulté des fournisseurs de modèles à concilier accès généreux, coûts d'infrastructure et satisfaction d'une base d'utilisateurs de plus en plus dépendante de ces outils au quotidien.

Nvidia affirme que son Groq 3 LPX est quatre fois plus rapide que Cerebras, mais le calcul est plus complexe
Illustration générée par IA
1758The Decoder 

Nvidia affirme que son Groq 3 LPX est quatre fois plus rapide que Cerebras, mais le calcul est plus complexe

Nvidia a annoncé le passage en production complète de sa puce d'inférence Groq 3 LPX, avec des performances annoncées de 3 400 tokens par seconde sur le modèle Gemma 4 31B, soit quatre fois plus rapide que les puces concurrentes de Cerebras. Mais selon The Register, ce chiffre masque une différence structurelle importante : Nvidia doit mobiliser au moins 64 accélérateurs pour atteindre ce débit, alors que Cerebras y parvient avec seulement un ou deux processeurs. La comparaison brute de vitesse cache donc un écart considérable en matière de ressources matérielles nécessaires. Cette nuance change la donne pour les entreprises qui choisissent leur infrastructure d'inférence IA. Un débit élevé obtenu grâce à un déploiement massif de puces n'a pas la même valeur économique qu'une performance équivalente obtenue avec du matériel minimal, notamment en termes de coût, de consommation énergétique et d'espace en data center. Pour les fournisseurs de services d'IA générative, le rapport performance par puce, et non la vitesse absolue, devient le critère déterminant pour évaluer la rentabilité d'un déploiement à grande échelle. Cette annonce s'inscrit dans une compétition de plus en plus tendue sur le marché des puces spécialisées pour l'inférence, où Nvidia, longtemps dominant sur l'entraînement des modèles, cherche à consolider sa position face à des acteurs comme Cerebras qui misent sur des architectures radicalement différentes, avec des puces géantes capables de traiter des modèles entiers sans les répartir sur des dizaines d'unités. Une question reste ouverte : comment cette nouvelle architecture de Nvidia se comportera-t-elle face aux modèles de mélange d'experts (MoE) de grande taille, de plus en plus répandus dans l'industrie, ce qui déterminera si l'avantage annoncé se maintient en conditions réelles.

InfrastructureOpinion
1 source
L’AI Act : un faux répit pour les entreprises françaises face aux urgences de conformité
Illustration générée par IA
1759Le Big Data 

L’AI Act : un faux répit pour les entreprises françaises face aux urgences de conformité

Le report de certaines échéances du règlement européen AI Act, qui repousse les systèmes à haut risque de l'annexe III au 2 décembre 2027 et ceux de l'annexe I au 2 août 2028, est présenté par de nombreux dirigeants comme un répit bienvenu. Selon Frédéric Brajon, associé et cofondateur du cabinet de conseil Saegus, cette lecture est trompeuse : la majorité des obligations du texte s'applique déjà pleinement aux usages actuels de l'intelligence artificielle, notamment aux systèmes interdits et aux applications courantes de l'IA générative et des agents autonomes. Le règlement distingue deux catégories principales. Les usages interdits concernent la reconnaissance biométrique en temps réel dans les espaces publics, la manipulation comportementale et l'évaluation sociale des individus. Les systèmes à haut risque, eux, couvrent des domaines sensibles comme l'analyse biométrique, la gestion d'infrastructures vitales telles que l'eau et l'énergie, l'éducation, le recrutement, la surveillance, l'accès aux services publics et privés, ou encore l'application de la loi ; ils restent autorisés mais sous des conditions strictes de documentation, de robustesse, de traçabilité et de supervision humaine. Pour les entreprises françaises, l'enjeu dépasse la seule conformité réglementaire. Le report du calendrier s'accompagne au contraire d'un renforcement des exigences de traçabilité et de surveillance des systèmes d'IA, ce qui accroît la pression sur les organisations mal préparées. Un cas d'usage aussi courant que le recrutement peut ainsi basculer d'une aide à la décision légale à une pratique interdite, si l'algorithme prend la décision finale sans supervision humaine ou s'il reproduit des biais discriminatoires. L'absence de cartographie précise des usages internes expose en outre les entreprises, notamment les grands groupes aux filiales décentralisées, au phénomène du « Shadow AI » : des collaborateurs recourent à des outils d'IA personnels non validés, créant des risques de fuites de données sensibles et de décisions prises par des systèmes jamais audités. L'AI Act rendant responsable l'entité qui déploie une IA même lorsque l'algorithme provient d'un tiers, ces pratiques informelles engagent directement la responsabilité juridique et financière de l'organisation. Ce cadre s'inscrit dans une ambition européenne plus large : protéger la dignité humaine, la vie privée et l'égalité face à la diffusion rapide de l'IA générative et des agents autonomes en entreprise. Pour Frédéric Brajon, la réponse ne peut être seulement juridique mais doit relever d'une véritable transformation sociotechnique, associant gouvernance interne, cartographie exhaustive des usages et formation des équipes. Sans cette anticipation, les entreprises s'exposent à des sanctions financières, mais aussi à des risques réputationnels et éthiques que le simple report des échéances ne suffit pas à écarter.

RégulationReglementation
1 source
L'IA rend les écoles plus intelligentes, et un « carnaval » de robots à Shanghai
Illustration générée par IA
1760MIT Technology Review 

L'IA rend les écoles plus intelligentes, et un « carnaval » de robots à Shanghai

À Cheshire Academy, aux États-Unis, les enseignants ne reçoivent plus de liste d'outils IA imposés mais une formation aux techniques générales d'utilisation de ces technologies en classe. Certains professeurs s'en servent pour préparer leurs supports de cours, et l'un d'eux a mis au point un système de feux tricolores indiquant aux élèves quand l'usage de l'IA est autorisé pour un devoir donné. L'établissement a aussi testé des outils spécialisés, dont une plateforme dédiée aux enseignants. Cette approche est documentée dans la newsletter The Download du MIT Technology Review, qui relate également la visite d'un « carnaval » de robots organisé en périphérie de Shanghai, où des humanoïdes ont fait la démonstration d'arts martiaux comme la « boxe de l'homme ivre » et de saltos avant devant un public conquis. Selon les données citées, la Chine a fabriqué près de 90 % des plus de 13 000 robots humanoïdes à deux bras et deux jambes livrés dans le monde l'an dernier. Ces deux séquences illustrent deux visages complémentaires de la diffusion de l'IA en 2026 : d'un côté, une intégration prudente et pédagogique dans l'éducation, où enseignants et organisations comme l'UNESCO ou OpenAI cherchent encore le bon cadre d'usage ; de l'autre, une stratégie industrielle chinoise assumée consistant à faire entrer les robots humanoïdes dans le quotidien pour habituer le public à leur présence. Cette poussée robotique chinoise n'est toutefois pas sans turbulences : le fabricant Unitree, dont l'action a chuté de 45 % depuis une entrée en Bourse spectaculaire, alimente les craintes d'une bulle spéculative sur le secteur, même si les usines du pays continuent de remplacer les ouvriers par des machines à un rythme soutenu. Le reste de l'actualité relayée par la newsletter souligne combien la course à l'IA reste tendue sur plusieurs fronts. Un cadre de Nvidia a été inculpé pour avoir participé à un système de contrebande de puces IA vers la Chine, tandis que Taïwan a mis en examen neuf personnes pour des exportations illégales similaires. Le Royaume-Uni et l'Ukraine ont signé un partenariat permettant à Londres d'accéder à la plateforme ukrainienne de données de champ de bataille pilotée par IA. Aux États-Unis, la ruée vers les centres de données met sous tension le réseau électrique, la main-d'œuvre et la politique locale, pendant qu'Amazon a relevé le prix de certains appareils jusqu'à 60 % en invoquant une pénurie de mémoire liée à la demande d'IA. Ces éléments dessinent un secteur où l'expansion rapide des capacités techniques se heurte de plus en plus à des contraintes matérielles, géopolitiques et réglementaires.

SociétéActu
1 source