Aller au contenu principal

Actualités IA — page 93

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

Le PDG de Snowflake juge GLM-5.2 aussi compétitif qu'Opus 4.7, pour une fraction du prix
1841The Decoder 

Le PDG de Snowflake juge GLM-5.2 aussi compétitif qu'Opus 4.7, pour une fraction du prix

Le PDG de Snowflake a comparé GLM-5.2, le dernier modèle de Zhipu AI, à Claude Opus 4.7 d'Anthropic sur 103 tâches de codage. Le modèle chinois affiche des performances quasi équivalentes, tout en coûtant cinq fois moins cher par token de sortie. GLM-5.2 consomme certes presque deux fois plus de tokens par tâche, ce qui atténue l'avantage tarifaire, mais le différentiel de coût reste substantiel face aux offres d'Anthropic et d'OpenAI. Cet écart de prix exerce une pression concrète sur les laboratoires d'IA occidentaux. Pour les entreprises qui déploient des modèles à grande échelle, comme les clients de Snowflake, le coût par requête est un critère déterminant. Si un modèle chinois peut rivaliser avec les meilleures offres propriétaires américaines pour un cinquième du prix, les arguments commerciaux d'Anthropic et d'OpenAI s'effritent, et leurs valorisations, construites sur une avance technologique supposée indétrônable, pourraient s'en trouver fragilisées. Zhipu AI s'inscrit dans une vague de laboratoires chinois qui ont considérablement réduit l'écart avec les leaders américains depuis la publication de DeepSeek R1 fin 2024. La tendance dessine un marché de l'IA de plus en plus compétitif, où la supériorité des modèles occidentaux n'est plus garantie. Pour Anthropic, dont la gamme Opus 4.x est positionnée comme le haut de gamme du marché, la montée en puissance de l'écosystème chinois complique durablement la justification de tarifs premium.

LLMsOpinion
1 source
Loka a construit un agent vocal naturel et faible latence avec Amazon Nova 2 Sonic
1842AWS ML Blog 

Loka a construit un agent vocal naturel et faible latence avec Amazon Nova 2 Sonic

La société Loka a déployé un agent vocal conversationnel basé sur Amazon Nova 2 Sonic, le modèle audio natif d'AWS, pour transformer les interactions téléphoniques de ses clients dans le secteur automobile. Les résultats mesurés sur le benchmark Big Bench Audio, qui évalue le raisonnement sur des entrées vocales, placent Nova 2 Sonic à 87,0 points, devant GPT Realtime d'OpenAI (83,0) et loin devant Gemini 2.5 Flash Native Audio de Google (71,0). Sur le plan de la latence, le modèle atteint un temps de première réponse audio de 1,39 seconde, ce qui permet des interruptions naturelles de la conversation. Le coût d'utilisation est estimé à environ 0,27 dollar par heure d'audio traité, inférieur aux solutions concurrentes comparables. Ce résultat s'attaque à un problème bien documenté dans les centres d'appels : les assistants vocaux traditionnels imposent une chaîne en trois étapes, transcription audio vers texte, traitement par un LLM, puis synthèse vocale, qui génère des pauses de 3 à 5 secondes entre la question du client et la réponse du système. Ce délai brise le rythme naturel d'une conversation, rend difficile toute interruption ou correction, et dans un contexte de vente automobile, peut suffire à faire raccrocher le client. Nova 2 Sonic court-circuite cette pipeline en traitant l'audio de bout en bout, capturant au passage la tonalité, l'hésitation et les nuances émotionnelles que la transcription textuelle efface systématiquement. Pour Loka, qui opère pour de nombreuses concessions, le gain combiné sur la fluidité et les coûts rend l'adoption à grande échelle viable là où elle ne l'était pas auparavant. L'émergence des modèles "speech-to-speech" natifs représente un tournant dans l'IA vocale, domaine longtemps freiné par la médiocrité de l'expérience utilisateur autant que par des coûts prohibitifs à l'échelle. Amazon positionne Nova 2 Sonic dans une compétition directe avec les offres temps réel d'OpenAI et Google, tous trois ayant publié des interfaces audio natives depuis fin 2024. Le benchmark Big Bench Audio, conçu pour mesurer le raisonnement sur la parole plutôt que la simple reconnaissance, s'impose comme l'outil de référence pour différencier ces modèles au-delà des seules métriques de latence. Pour les entreprises gérant des volumes élevés d'appels entrants, comme les réseaux de distribution ou les services clients, la convergence de réponses sous 1,5 seconde, d'un raisonnement multimodal robuste et d'un coût maîtrisé ouvre une fenêtre d'adoption qui n'existait pas il y a douze mois.

OutilsOutil
1 source
Figma mise sur le jugement humain à Config 2026, mais l'IA de son canvas vient d'ailleurs
1843The Decoder 

Figma mise sur le jugement humain à Config 2026, mais l'IA de son canvas vient d'ailleurs

Lors de sa conférence Config 2026, Figma a présenté une refonte ambitieuse de son canvas, désormais conçu comme un espace de travail unifié intégrant du code, de l'animation, des shaders et des agents IA. L'objectif affiché est de concentrer l'ensemble du cycle de conception et de production dans un seul environnement, réduisant les allers-retours entre Figma et les outils de développement. La plateforme mise sur le jugement humain comme différenciateur central, positionnant le designer au coeur d'un flux augmenté plutôt que remplacé par l'IA. Mais derrière cette vision cohérente se cache une dépendance structurelle : toute l'intelligence artificielle qui anime le canvas de Figma est fournie par des prestataires tiers via API. Cette externalisation pèse directement sur les marges de l'entreprise, car chaque appel IA a un coût variable et croissant. Plus préoccupant encore, l'un de ces fournisseurs d'API développe désormais ses propres outils de design concurrents, créant un risque stratégique majeur : Figma finance indirectement le développement de ses futurs compétiteurs. Cette situation illustre une tension que tout l'écosystème logiciel affronte depuis l'émergence des grands modèles de langage. Les éditeurs qui intègrent rapidement des capacités IA gagnent en attractivité, mais s'exposent à une dépendance aux fournisseurs de fondations. Pour Figma, qui a construit sa domination sur l'expérience collaborative en temps réel, l'enjeu est de trouver comment ancrer un avantage durable quand la couche intelligente appartient à quelqu'un d'autre. La question de développer des modèles propriétaires ou de diversifier ses fournisseurs va probablement s'imposer à court terme.

OutilsOutil
1 source
21 000 emplois supprimés en un an : Oracle vire ses équipes pour l’IA
1844Le Big Data 

21 000 emplois supprimés en un an : Oracle vire ses équipes pour l’IA

Oracle a supprimé environ 21 000 postes au cours des douze derniers mois, selon son rapport annuel publié le 22 juin 2026. Le groupe, spécialisé dans les bases de données, les logiciels d'entreprise et le cloud, comptait 141 000 salariés à temps plein au 31 mai 2026, contre 162 000 un an auparavant, soit une réduction de 13 % de ses effectifs. Fait rare, l'entreprise ne présente pas cette vague comme une simple mesure d'économie : elle établit un lien direct avec l'intégration croissante de l'IA dans ses opérations, et prévient explicitement que de nouvelles suppressions de postes pourraient suivre. Oracle reconnaît néanmoins les risques associés à cette stratégie : perte de savoir-faire interne, difficulté à recruter certains profils spécialisés, et risque de désengagement des employés restants. Ces suppressions massives illustrent une tendance de fond qui traverse l'ensemble du secteur technologique. Oracle s'inscrit dans une liste qui s'allonge chaque mois : GitLab a licencié 350 personnes début juin 2026 pour financer ses infrastructures IA, Meta a supprimé près de 8 000 postes dans le cadre de sa stratégie centrée sur l'intelligence artificielle, et Google, Amazon, Cisco, Cloudflare, Dropbox, Block ou Salesforce ont engagé des restructurations comparables. Le schéma est identique pour tous : réduire les coûts opérationnels sur certaines fonctions tout en réorientant les ressources vers les outils et infrastructures jugés stratégiques. Pour les travailleurs concernés, le message est clair : l'IA ne se contente plus d'automatiser des tâches périphériques, elle remplace désormais des postes à plein temps à grande échelle dans des entreprises parmi les plus profitables au monde. Oracle est un cas emblématique car il symbolise l'ancienne garde du logiciel d'entreprise en pleine mutation forcée. Fondé en 1977, le groupe a longtemps dominé le marché des bases de données relationnelles avant de pivoter tardivement vers le cloud. L'essor des modèles de langage et des agents autonomes accélère aujourd'hui cette transformation, en rendant obsolètes des fonctions entières dans le support, l'administration système ou le développement standard. La transparence inhabituelle d'Oracle dans son rapport annuel, assumant publiquement le lien entre suppressions d'emplois et adoption de l'IA, pourrait marquer un tournant dans la façon dont les grandes entreprises communiquent sur ces restructurations. Si d'autres suivent cette logique de divulgation, les prochains rapports annuels des géants technologiques risquent de dresser un tableau bien plus sombre de l'impact réel de l'IA sur l'emploi qualifié que ce que les discours officiels laissent généralement entendre.

Amazon présente son cadre pour des agents IA fiables à VB Transform 2026
1845VentureBeat AI 

Amazon présente son cadre pour des agents IA fiables à VB Transform 2026

Amazon présentera lors de la conférence VB Transform 2026, les 14 et 15 juillet à Menlo Park (Californie), son cadre méthodologique pour concevoir des agents IA dignes de confiance en entreprise. Bryan Silverthorn, directeur du laboratoire de recherche AGI Autonomy chez Amazon, y animera une session intitulée "Closing the capability-reliability gap: Inside Amazon's framework for engineering trustworthy agents". Il y détaillera comment passer d'architectures mono-agent rudimentaires à des systèmes multi-outils capables de se corriger en cours d'exécution. La démarche d'Amazon repose sur quatre piliers : cohérence, robustesse, prévisibilité et sécurité, en remplacement des benchmarks EVAL traditionnels qui ne mesurent que des performances statiques à un instant donné. L'enjeu est considérable pour les décideurs IT, qui restent profondément méfiants vis-à-vis de l'autonomie accordée aux agents IA sur les systèmes d'entreprise. Selon une enquête VentureBeat Q2 2026 menée auprès de plus de 100 dirigeants technologiques seniors, seulement 4 % d'entre eux se disent à l'aise avec l'idée de s'appuyer uniquement sur les garde-fous intégrés aux modèles. 40 % citent l'accès non autorisé aux outils ou aux données comme principale inquiétude, et 27 % redoutent les attaques par injection de prompts. Amazon propose en réponse des environnements sandboxés où les agents soumettent leurs actions à validation humaine avant exécution, une approche particulièrement critique dans des secteurs sensibles comme la finance, où une erreur d'agent peut causer des dommages substantiels. Ce tournant vers la fiabilité plutôt que la seule performance brute intervient alors que l'industrie prend conscience des limites des scores EVAL, incapables de rendre compte du comportement des modèles face à la diversité des prompts, des environnements et des types de données en production. Amazon s'inscrit dans une tendance de fond : découpler les systèmes pour mieux les contrôler, plutôt que de supposer qu'un modèle peut être "bridé" après coup. VB Transform 2026 réunira également Manasi Joshi, directrice de l'intelligence des systèmes et du machine learning chez Waymo, qui abordera la question de l'IA sûre et efficace dans le monde physique. Ces deux sessions illustrent une préoccupation commune qui structure désormais le débat industriel : comment transformer des capacités impressionnantes en déploiements fiables, auditables, et acceptables pour les organisations qui en portent la responsabilité.

SécuritéActu
1 source
Intuit présente comment il a reconstruit son infrastructure IA pour des tâches rapides et complexes
1846VentureBeat AI 

Intuit présente comment il a reconstruit son infrastructure IA pour des tâches rapides et complexes

Intuit, l'éditeur américain des logiciels financiers TurboTax et QuickBooks, a entrepris une refonte complète de son infrastructure d'intelligence artificielle pour répondre aux nouvelles exigences des entreprises clientes. Plutôt que de s'appuyer sur de grands agents polyvalents capables de gérer un large éventail de tâches, la société a migré vers une architecture granulaire fondée sur des compétences et des outils spécialisés. "Nous sommes passés d'un système multi-agents avec de grands agents qui faisaient beaucoup de choses, à une intégration complète de flux de travail, de compétences et d'outils jusqu'au niveau de base", a déclaré Nhung Ho, vice-présidente de l'IA chez Intuit. Cette transformation a impliqué de décomposer les agents complexes en composants distincts, en séparant la logique de décision des actions d'exécution, tout en intégrant des experts humains directement dans les processus aux côtés de l'IA. L'orchestrateur, le planificateur et l'ensemble des couches d'intelligence ont été remplacés, entraînant des changements à l'échelle de toute l'organisation technique. Cette réarchitecturation permet désormais à Intuit de découpler son orchestration de fournisseurs de modèles spécifiques, ce qui lui donne la flexibilité de choisir les meilleurs outils selon les tâches, qu'il s'agisse de modèles proposés par de grands fournisseurs externes ou de solutions développées en interne. C'est une avancée stratégique majeure dans un secteur où la dépendance à un seul fournisseur d'IA représente un risque croissant. Pour des entreprises gérant des millions de clients et des données fiscales et financières sensibles, la capacité à substituer rapidement un modèle par un autre sans refondre l'ensemble du système est un avantage concurrentiel direct. La nouvelle architecture répond également à une évolution fondamentale des attentes : les utilisateurs ne se contentent plus de conversations simples, ils exigent des tâches agentiques complexes et multi-étapes que les infrastructures héritées ne peuvent tout simplement pas prendre en charge. Nhung Ho présentera le détail de ces choix techniques lors de la conférence VB Transform 2026, les 14 et 15 juillet prochains, notamment la conception d'une couche d'abstraction au coeur du système d'intelligence d'Intuit. Cette édition de l'événement est particulièrement dense en sessions consacrées à l'orchestration agentique : Target, Instacart, Asana, Rivian, Databricks et Atlassian y prendront également la parole pour partager leurs approches respectives du déploiement d'agents IA à grande échelle. La convergence de ces témoignages illustre une tendance de fond : les grandes entreprises technologiques sortent de la phase expérimentale et s'attaquent aux défis d'ingénierie réels que pose le déploiement d'une IA autonome en production, à la fois sur le plan de la performance, de la gouvernance et de la modularité.

OutilsActu
1 source
OpenAI dévoile sa première puce d'inférence IA maison, Jalapeño, développée avec Broadcom grâce à ses propres modèles
1847VentureBeat AI 

OpenAI dévoile sa première puce d'inférence IA maison, Jalapeño, développée avec Broadcom grâce à ses propres modèles

OpenAI et Broadcom ont dévoilé ce matin leur premier processeur d'inférence IA sur mesure, baptisé "Jalapeño". Contrairement aux GPU grand public d'Nvidia ou AMD, ce circuit intégré à application spécifique (ASIC) est conçu exclusivement pour faire tourner des grands modèles de langage en production, notamment derrière ChatGPT, Codex et l'API OpenAI. Ce qui frappe d'emblée, c'est la vitesse de développement : de la conception initiale à la fabrication, seulement neuf mois se sont écoulés, là où un cycle habituel de développement de processeur se compte en années. Le partenariat entre OpenAI et Broadcom n'avait d'ailleurs été annoncé publiquement qu'en octobre 2025. Greg Brockman, président et cofondateur d'OpenAI, ainsi que Hock Tan, PDG de Broadcom, ont présenté la puce ce matin sur CNBC. Brockman a précisé que le processus de conception a lui-même été accéléré grâce aux propres modèles d'OpenAI, des versions antérieures au GPT-5.5. OpenAI indique avoir déjà testé GPT-5.3-Codex-Spark sur ces puces dans un environnement de production simulé, et prévoit de déployer Jalapeño dans ses centres de données actifs d'ici fin 2026. Les performances initiales sont décrites comme "remarquables", Brockman écrivant sur X que le ratio performance par watt est "incroyable". L'enjeu dépasse largement la performance technique : il s'agit de survie économique. Des documents financiers audités récemment révélés montrent qu'OpenAI a généré 13,07 milliards de dollars de revenus en 2025, mais a engagé 34 milliards de dépenses opérationnelles, accusant une perte d'exploitation de près de 20,92 milliards de dollars. La principale cause : le coût titanesque de la puissance de calcul, essentiellement louée auprès de Microsoft Azure sur des GPU Nvidia. Concevoir ses propres puces optimisées pour l'inférence LLM permettrait à OpenAI de drastiquement réduire ce coût marginal par requête et d'atteindre enfin une rentabilité opérationnelle. Broadcom apporte la conception silicium et son réseau Tomahawk, tandis que Celestica gère l'intégration au niveau carte, rack et système. Cette annonce s'inscrit dans une stratégie plus large de verticalisation de la filière IA, un mouvement déjà emprunté par Google avec ses TPU et Amazon avec ses puces Trainium et Inferentia. OpenAI, longtemps dépendant des infrastructures de ses partenaires et investisseurs, cherche à contrôler toute sa pile technologique. Fait notable : les deux entreprises positionnent explicitement Jalapeño comme une puce "construite de zéro pour les LLMs actuels et futurs de toute l'industrie", ouvrant la voie à une commercialisation auprès d'autres acteurs de l'IA. De nombreuses questions restent ouvertes, notamment les performances comparatives face aux solutions Nvidia, les coûts de fabrication et la viabilité à grande échelle. Mais si le pari réussit, OpenAI ne sera plus seulement un éditeur de modèles : il deviendra un fournisseur d'infrastructure à part entière.

Qwen-AgentWorld : le simulateur d’Alibaba apprend aux agents IA à mieux réfléchir
1848Le Big Data 

Qwen-AgentWorld : le simulateur d’Alibaba apprend aux agents IA à mieux réfléchir

Le laboratoire d'IA Qwen, filiale d'Alibaba, a dévoilé le 24 juin 2026 un système baptisé Qwen-AgentWorld : un simulateur capable de reproduire sept environnements numériques distincts au sein d'un seul modèle, couvrant le terminal, le moteur de recherche, le protocole MCP, le développement logiciel, le navigateur web, le système d'exploitation et Android. Contrairement aux approches classiques, la modélisation de l'environnement constitue l'objectif d'entraînement central du modèle, et non une couche ajoutée après coup. Le système a été entraîné sur plus de dix millions de trajectoires d'interactions réelles. Alibaba publie également AgentWorldBench, un benchmark interne couvrant les sept domaines simulés, sur lequel le modèle Qwen-AgentWorld-397B-A17B obtient les meilleurs scores globaux, devançant GPT-5.4, Claude Opus 4.8, Gemini 3.1 Pro, DeepSeek V4-Pro et Qwen3-6P Plus. L'intérêt de l'approche tient à ce qu'elle permet aux agents de s'exercer dans un environnement entièrement maîtrisé avant d'affronter des tâches réelles, à la manière d'un simulateur de vol. Les scénarios deviennent reproductibles, les erreurs sont peu coûteuses et les situations rares peuvent être générées à la demande. Les chercheurs d'Alibaba montrent également que l'apprentissage de la prédiction des états améliore les performances des agents même sans entraînement spécifique sur certaines tâches, et que cette capacité se transfère vers différents benchmarks sans ajustement supplémentaire. Pour les interfaces graphiques, le modèle adopte une représentation textuelle des écrans, sous forme de code HTML ou d'arbres XML plutôt que d'images brutes, ce qui simplifie l'entraînement et renforce le raisonnement sur des interfaces complexes. Pendant des années, les agents IA ont été entraînés comme de simples modèles de langage auxquels on greffait ensuite des capacités d'action sur des outils ou des logiciels, une méthode efficace mais limitée dès que l'environnement gagne en complexité. Alibaba mise ici sur un changement de paradigme : faire de la compréhension du monde numérique un prérequis à l'action, et non une compétence dérivée. Cette direction rejoint un débat plus large dans la recherche sur les agents autonomes, où les acteurs comme Google, Anthropic, OpenAI et des laboratoires chinois tels que DeepSeek se disputent la maîtrise des agents capables d'opérer des ordinateurs en autonomie. Les résultats présentés par Alibaba restent toutefois à interpréter avec prudence : un benchmark interne, aussi soigné soit-il, ne remplace pas des évaluations indépendantes sur des usages réels, et les prochains mois permettront de mesurer si cette approche tient ses promesses en conditions de production.

RecherchePaper
1 source
Impact environnemental de l’IA : le secrétaire général de l’ONU réclame la transparence
1849Next INpact 

Impact environnemental de l’IA : le secrétaire général de l’ONU réclame la transparence

António Guterres, secrétaire général de l'Organisation des Nations Unies, a lancé le 24 juin 2026 une AI Environmental Transparency Initiative lors de la London Climate Action Week, en pleine vague de chaleur historique sur l'Europe. Dans un discours prononcé à Londres, il a exhorté l'industrie de l'intelligence artificielle à « dire la vérité » sur ses impacts environnementaux, appelant les entreprises du secteur à basculer vers les énergies renouvelables. L'urgence de cette initiative est soulignée par des chiffres vertigineux : selon une étude de l'ONU publiée début juin, les centres de données consomment déjà plus d'électricité que la quasi-totalité des pays du monde, seuls dix nations dépassant leur niveau de consommation. À ce rythme, d'ici 2030, l'IA et ses infrastructures pourraient engloutir plus d'énergie que tous les pays sauf cinq, et mobiliser autant d'eau que celle nécessaire aux besoins élémentaires des 1,3 milliard d'habitants d'Afrique subsaharienne sur une année entière. L'initiative onusienne dépasse la seule question énergétique pour pointer les pressions sur les ressources hydriques et foncières. Deux tiers des centres de données que l'industrie prévoyait de construire au premier trimestre 2025 devaient être implantés dans des zones déjà soumises à un stress hydrique. Cette réalité touche différemment les territoires : si la France refroidit ses serveurs assez peu à l'eau, d'autres régions du monde subissent des tensions bien plus vives, comme l'a documenté l'enquête Dirty Data. La transparence réclamée par Guterres concerne donc aussi la géographie de l'expansion numérique, avec des populations locales qui supportent des coûts environnementaux sans bénéficier des retombées de l'IA. Cette prise de position intervient dans un contexte de tension entre objectifs climatiques et course à la puissance numérique. Quelques jours avant le discours de Guterres, Lex Coors, représentant du lobby européen des centres de données, avait publiquement plaidé pour ouvrir la porte aux énergies fossiles, estimant que respecter les ambitions climatiques de l'UE condamnerait l'Europe à se faire distancer par les États-Unis et la Chine sur le terrain de l'IA. Pendant ce temps, xAI d'Elon Musk a déjà mis en service des générateurs au gaz non autorisés pour alimenter ses infrastructures. Face à ce mouvement de fond, l'ONU tente de poser un cadre de reporting volontaire, mais l'essentiel du secteur continue d'utiliser toutes les sources d'énergie disponibles, nucléaire et solaire inclus, sans obligation de rendre des comptes sur l'ensemble de son empreinte environnementale réelle.

Runpod lève 100 millions de dollars et refuse des offres de rachat
1850The Information AI 

Runpod lève 100 millions de dollars et refuse des offres de rachat

RunPod, startup spécialisée dans la location de puissance de calcul cloud, vient de lever 100 millions de dollars dans un tour de table mené par Summit Partners, un fonds de growth equity. Cette levée valorise l'entreprise à 1 milliard de dollars, un bond spectaculaire par rapport à son seed round de 2024 qui la valorisait à environ 100 millions de dollars. En à peine cinq mois, RunPod a doublé son chiffre d'affaires annualisé pour atteindre environ 240 millions de dollars. L'entreprise, fondée il y a cinq ans, a par ailleurs confirmé avoir refusé plusieurs offres de rachat, un signal fort de la confiance de ses dirigeants dans ses perspectives de croissance indépendante. Ce succès illustre l'intensité de la pénurie de calcul qui s'est accentuée en 2026, décrite comme encore plus sévère que la crise des puces de 2023. Les développeurs et entreprises peinent à accéder à des serveurs GPU pour faire tourner des modèles d'IA open-source, et des prestataires comme RunPod répondent à cette demande en jouant le rôle d'intermédiaire entre les fournisseurs de matériel et les clients finaux. Pour ces derniers, startups, chercheurs et développeurs indépendants, ce type de plateforme représente souvent la seule voie d'accès abordable à la puissance de calcul nécessaire pour entraîner ou déployer des modèles. Ce qui distingue RunPod de la plupart de ses concurrents, c'est sa stratégie matérielle : là où l'immense majorité des fournisseurs de cloud GPU s'appuient exclusivement sur des serveurs Nvidia, RunPod propose également des serveurs équipés de puces AMD. Cette approche vise à contourner les goulets d'étranglement liés à la dépendance à un seul fabricant de semi-conducteurs. La crise de 2023 avait déjà conduit certains fonds de capital-risque à se transformer temporairement en quasi-fournisseurs cloud pour répondre à la demande. En 2026, la tension sur les ressources de calcul s'est encore aggravée, ouvrant une fenêtre d'opportunité considérable pour les acteurs capables d'agréger et de diversifier l'offre disponible sur le marché.

BusinessActu
1 source
xAI mise sur le côté osé de Grok
1851The Information AI 

xAI mise sur le côté osé de Grok

xAI, la division intelligence artificielle d'Elon Musk adossée à SpaceX, parie résolument sur la génération visuelle. L'entreprise a lancé la semaine dernière un modèle vidéo amélioré pour son assistant Grok, et compte selon des sources proches du dossier accélérer le développement de ses outils de création d'images et de vidéos. Cette stratégie s'appuie sur un angle mort laissé par les géants du secteur : OpenAI et Anthropic proposent des capacités visuelles nettement plus limitées, notamment en matière de génération vidéo, tout en continuant à recruter des talents extérieurs pour combler leurs lacunes dans des domaines comme le code. L'argument commercial a été mis en avant par SpaceX juste avant son introduction en bourse très attendue, qui s'annonce comme l'une des plus spectaculaires de l'année. La popularité des outils visuels de Grok y a été présentée comme un indicateur de la dynamique de croissance de la plateforme. Ce que SpaceX n'a pas mentionné dans ses communications pré-IPO, en revanche, c'est que cette demande repose en grande partie sur des règles de modération nettement plus souples que celles de ses concurrents, faisant de Grok une destination de référence pour la génération de contenus pornographiques et explicites. Cette permissivité distingue xAI de façon radicale dans un secteur où OpenAI et Anthropic appliquent des filtres stricts sur les contenus pour adultes. En capitalisant sur cet espace laissé vacant, xAI attire une base d'utilisateurs que ses rivaux ont délibérément écartés, soulevant des questions sur la responsabilité des plateformes IA en matière de modération. La question de savoir si ce positionnement sera perçu comme un avantage concurrentiel ou comme un risque réputationnel par les investisseurs au moment de l'IPO reste entière.

CréationOpinion
1 source
Le directeur du déploiement d'OpenAI : croissance de Codex, baisse des prix de l'IA et retour sur investissement
1852The Decoder 

Le directeur du déploiement d'OpenAI : croissance de Codex, baisse des prix de l'IA et retour sur investissement

Arnaud Fournier, directeur du déploiement chez OpenAI, a accordé une interview à The Decoder dans laquelle il détaille la stratégie de l'entreprise pour intégrer l'IA au coeur des grandes organisations. Il y évoque la croissance explosive de Codex, l'outil de programmation assistée par IA d'OpenAI, et explique qu'OpenAI entend envoyer ses propres ingénieurs directement dans les entreprises clientes pour accélérer et approfondir cette intégration. Fournier souligne également que le prix de l'intelligence artificielle a chuté de façon marquée ces derniers mois. Cette baisse des coûts change la donne pour les directions d'entreprise qui hésitaient à franchir le pas : l'IA générative devient économiquement viable pour un spectre beaucoup plus large d'acteurs. Fournier insiste aussi sur la boucle de rétroaction entre les clients et les équipes de développement d'OpenAI, les retours du terrain alimentant directement l'amélioration des modèles. La question du retour sur investissement, longtemps centrale dans les freins à l'adoption, est précisément ce que cette approche d'accompagnement terrain vise à lever. OpenAI intensifie ainsi sa présence dans le segment entreprise alors que la concurrence s'y densifie, avec Anthropic et ses offres Claude for Work, Google avec Gemini for Business, et Microsoft qui intègre l'IA dans toute sa suite 365. Codex s'impose comme l'un des chevaux de bataille d'OpenAI auprès des équipes techniques, et le modèle de déploiement "ingénieurs embarqués" rappelle les stratégies de grands cabinets de conseil, signalant qu'OpenAI ne veut plus seulement vendre des API mais devenir un partenaire d'intégration à long terme.

BusinessActu
1 source
L'IA conçoit des puces radio que les humains n'auraient pas pu imaginer
1853IEEE Spectrum AI 

L'IA conçoit des puces radio que les humains n'auraient pas pu imaginer

Des chercheurs de l'université Princeton ont développé des méthodes d'apprentissage automatique capables de concevoir des circuits intégrés radiofréquences (RFIC) en une fraction du temps qu'il faudrait à un ingénieur humain. En combinant l'apprentissage par renforcement, la conception inverse et des modèles de diffusion, leur équipe a produit des puces dont les géométries ressemblent davantage à de l'art abstrait qu'à des schémas électroniques conventionnels, et pourtant, les prototypes physiques surpassent les circuits les plus avancés conçus à la main. Le gain de temps est spectaculaire : l'IA conçoit en quelques heures ce qui demande des mois à un expert humain. L'approche a été validée sur des cas concrets, avec des performances record mesurées sur les puces fabriquées. L'enjeu dépasse largement le domaine des semi-conducteurs. Les RFIC sont les composants invisibles qui permettent à tous nos appareils de communiquer sans fil : téléphones mobiles, balises AirTag, réseaux 5G, voitures autonomes, communications par satellite. Toute la chaîne d'innovation dans ces secteurs bute sur la même contrainte : la lenteur et la rareté des experts capables de concevoir ces puces. Contrairement aux processeurs classiques (CPU, GPU), dont la conception est largement automatisée et normalisée, les RFIC exigent une maîtrise simultanée des équations de Maxwell, de la thermodynamique et de la mécanique des matériaux à différentes échelles, un exercice de jonglage entre plusieurs domaines physiques que seuls des ingénieurs très expérimentés maîtrisent après des années de pratique. Automatiser cette étape débloquerait non seulement la 5G et la 6G, mais aussi des applications comme les communications quantiques et les flottes de véhicules autonomes. Le point de départ de ces travaux remonte à 2019, dans la foulée de la victoire d'AlphaGo sur le champion du monde de go Lee Sedol. L'équipe de Princeton s'est alors demandé si l'IA pouvait apprendre un art aussi opaque que la conception RF. Sept ans plus tard, les résultats donnent raison à ce pari. Mais les chercheurs soulignent que la prochaine étape nécessite des jeux de données partagés à grande échelle et des écosystèmes ouverts, pour que les modèles puissent apprendre des comportements électromagnétiques et électroniques universels. Aujourd'hui, les données de conception de puces sont jalousement gardées par les entreprises. Sans mutualisation, les progrès resteront fragmentés. Le parallèle avec l'essor des grands modèles de langage est explicite : c'est la masse de données d'entraînement qui a tout changé, et le même principe pourrait transformer la conception de semi-conducteurs pour les décennies à venir.

RecherchePaper
1 source
Recrutement : Fika Jobs confie les premiers entretiens à des agents IA
1854Le Big Data 

Recrutement : Fika Jobs confie les premiers entretiens à des agents IA

La startup suédoise Fika Jobs vient de lever 4 millions de dollars pour déployer une plateforme qui confie les premiers entretiens de recrutement à des agents IA. Fondée par les frères Jakob et Alexander Dubois, la société propose aux candidats de connecter leur profil LinkedIn afin qu'un agent analyse automatiquement leur parcours et génère des questions personnalisées. L'entretien vidéo dure environ dix minutes et s'appuie sur les modèles Gemini de Google. À l'issue de la session, les réponses sont découpées en courtes séquences vidéo intégrées dans un profil consultable à tout moment par les recruteurs. Plusieurs dizaines d'entreprises testent déjà la solution, qui positionne les candidats dans un vivier permanent plutôt que de les obliger à postuler une à une pour chaque offre. L'ambition de Fika Jobs est de révéler des qualités que le CV ne capture pas : la motivation, la capacité à communiquer, l'aisance relationnelle, le potentiel d'évolution. Pour les entreprises, le gain est concret : accéder dès les premières étapes du processus à des profils déjà évalués à l'oral, sans mobiliser de recruteur humain lors de ces échanges initiaux. La plateforme pourrait également rééquilibrer les chances pour des profils atypiques, jeunes diplômés ou candidats en reconversion, dont le parcours sur papier sous-estime souvent les compétences réelles. Là où la plupart des outils IA de recrutement servent essentiellement à trier ou classer des candidatures plus vite, Fika Jobs construit une base de talents déjà interviewés et qualifiés par des agents, ce qui constitue un modèle économique distinct du filtrage algorithmique classique. L'idée est née d'une expérience directe des fondateurs : lors du développement de leur précédente startup, un candidat au CV banal s'était révélé particulièrement convaincant en entretien direct, les poussant à questionner la valeur réelle du document écrit comme outil de présélection. Ce constat rejoint une tendance plus large : le volume de candidatures a explosé avec la généralisation des outils automatisés de postulation, rendant le recrutement humain de masse difficile à tenir. Fika Jobs arrive dans un marché déjà encombré d'acteurs IA, mais avec un angle différent, celui de l'entretien vidéo agentique comme format central plutôt qu'accessoire. Avec 4 millions de dollars en poche, la startup va devoir démontrer que les recruteurs sont prêts à déléguer ce premier contact humain à une machine, et que les candidats, eux, acceptent d'être évalués sans interlocuteur de l'autre côté de l'écran.

OutilsOutil
1 source
Présentation : règles pour comprendre les modèles de langage
1855InfoQ AI 

Présentation : règles pour comprendre les modèles de langage

Naomi Saphra, chercheuse spécialisée en traitement du langage naturel, a présenté cinq règles fondamentales pour comprendre le comportement des grands modèles de langage. Sa thèse centrale : un LLM ne fonctionne pas comme un individu cohérent, mais comme une population entière d'entités distinctes compressée en un seul système. Cette distinction, aussi contre-intuitive qu'elle paraisse, explique une grande partie des comportements erratiques ou surprenants que les utilisateurs observent au quotidien. L'une des conséquences les plus frappantes de ce fonctionnement collectif concerne la tokenisation, ce découpage du texte en unités de base que le modèle traite. Ce mécanisme crée des angles morts sémantiques inattendus : certains mots ou orthographes rares deviennent littéralement invisibles ou mal interprétés par le modèle, non par manque d'intelligence, mais à cause d'artefacts structurels dans la façon dont le texte est ingéré. Saphra détaille également la mécanique de la servilité des modèles, ou sycophancy : les LLMs exploitent des associations statistiques subtiles présentes dans leurs données d'entraînement pour aligner leurs réponses sur les biais et l'appartenance démographique perçue de l'utilisateur, allant jusqu'à inférer des opinions politiques à partir du sport favori mentionné en conversation. Ces travaux s'inscrivent dans un effort plus large de la communauté de recherche pour démystifier le fonctionnement interne des modèles de langage, souvent traités comme des boîtes noires. Comprendre pourquoi un LLM flatte plutôt que contredit, ou pourquoi il échoue sur des mots pourtant simples, est devenu crucial à mesure que ces systèmes s'intègrent dans des contextes à fort enjeu : médecine, droit, éducation. Les travaux de Saphra offrent un cadre conceptuel utile pour anticiper leurs limites et mieux calibrer la confiance qu'on leur accorde.

LLMsPaper
1 source
Pourquoi Qualcomm veut acquérir Modular, la startup spécialisée dans les puces IA ?
1856Le Big Data 

Pourquoi Qualcomm veut acquérir Modular, la startup spécialisée dans les puces IA ?

Qualcomm est en discussions avancées pour racheter Modular, une startup américaine spécialisée dans les infrastructures logicielles pour l'intelligence artificielle, pour un montant d'environ 4 milliards de dollars. L'information, révélée par Bloomberg le 22 juin 2026, représente une prime spectaculaire : Modular avait été valorisée 1,6 milliard de dollars il y a seulement neuf mois. Fondée en 2022 par Chris Lattner et Tim Davis, deux anciens ingénieurs de Google, la startup a développé des outils permettant aux entreprises de déployer des modèles d'IA sur des architectures matérielles variées sans réécrire leur code, s'attaquant ainsi à l'un des problèmes les plus concrets du secteur : la fragmentation des infrastructures. Pour Qualcomm, cette acquisition comblerait une lacune stratégique majeure. Le fabricant de semi-conducteurs, historiquement dépendant des puces pour smartphones dans un marché qui arrive à maturité, cherche depuis plusieurs années à s'imposer sur les segments à forte croissance que sont les centres de données et l'IA. Mais face à Nvidia, dont la domination repose autant sur l'écosystème logiciel CUDA que sur la puissance brute de ses GPU, posséder de bons processeurs ne suffit plus. Intégrer Modular donnerait à Qualcomm une couche logicielle crédible, capable d'attirer des développeurs et des entreprises souhaitant déployer des applications d'IA à grande échelle sur du matériel non-Nvidia. Cette opération s'inscrit dans une offensive d'acquisitions sans précédent pour Qualcomm. Le groupe serait également en négociations pour racheter Tenstorrent, spécialiste des puces IA, pour un montant pouvant atteindre 10 milliards de dollars. Si les deux transactions aboutissent, Qualcomm aura investi plus de 14 milliards de dollars pour construire un écosystème couvrant l'ensemble de la chaîne de valeur, des processeurs aux outils de déploiement. L'enjeu est de taille : dans la course à l'IA, les acteurs qui contrôlent à la fois le silicium et le logiciel disposent d'un avantage structurel difficile à contourner. Aucun accord définitif n'a encore été signé et les négociations pourraient échouer, mais la trajectoire de Qualcomm indique clairement une ambition : devenir une alternative crédible à Nvidia dans l'infrastructure IA des entreprises.

BusinessOpinion
1 source
Samsung ouvre l'accès à ChatGPT Enterprise et Codex après ses restrictions sur l'IA
1857AI News 

Samsung ouvre l'accès à ChatGPT Enterprise et Codex après ses restrictions sur l'IA

Samsung Electronics déploie ChatGPT Enterprise et Codex auprès de l'ensemble de ses employés en Corée, ainsi que de tous les salariés de sa division Device eXperience (DX) dans le monde. Cette branche regroupe les smartphones, l'électronique grand public et les appareils ménagers. Les outils seront utilisés dans des domaines aussi variés que le développement logiciel, le marketing, la fabrication et la conception produit. Codex prendra en charge la rédaction, la révision et le débogage de code, mais aussi la création d'outils internes, de prototypes logiciels et de workflows automatisés. ChatGPT Enterprise, quant à lui, soutiendra des tâches de recherche d'informations, de rédaction de documents, d'analyse de données et de développement d'idées, pour des équipes techniques comme non techniques. Ce déploiement marque un revirement majeur pour Samsung, qui avait interdit l'usage des outils d'IA générative en 2023 après qu'un incident avait révélé que des informations internes sensibles avaient été téléversées vers une plateforme externe. Trois ans plus tard, la version entreprise de ChatGPT offre des mécanismes de contrôle d'accès, de gestion des utilisateurs et de protection des données qui ont convaincu le groupe de lever ces restrictions. Harrison Kim, directeur général d'OpenAI Corée, a qualifié cet accord de l'un des plus importants déploiements enterprise d'OpenAI à ce jour. L'ampleur est réelle : Codex comptait en février 2026 déjà plus de cinq millions d'utilisateurs actifs hebdomadaires dans le monde, un chiffre en hausse de près de 800 % en Corée depuis le 1er février 2026. Samsung ne cantonne pas l'accès à une poignée d'équipes techniques, mais ouvre les outils à l'ensemble de ses fonctions opérationnelles. Ce partenariat s'inscrit dans une relation stratégique plus large entre Samsung et OpenAI, dont les contours se sont précisés depuis l'automne 2025. En octobre, Samsung avait annoncé son rôle de partenaire mémoire stratégique pour le projet d'infrastructure Stargate d'OpenAI, dont les besoins en mémoire DRAM pourraient atteindre 900 000 plaquettes par mois. Samsung SDS a également conclu un accord pour développer conjointement des centres de données IA et distribuer les services OpenAI en Corée en tant que revendeur officiel. En parallèle, Reuters a révélé que Samsung Electronics et SK Hynix, qui représentent ensemble environ 70 % du marché mondial de la DRAM et près de 80 % du marché de la mémoire à haute bande passante, ont signé des lettres d'intention pour alimenter Stargate en puces mémoire. Ce déploiement interne massif chez Samsung reflète donc autant une stratégie RH qu'une consolidation industrielle profonde entre les deux groupes.

BusinessActu
1 source
Menlo Ventures boucle un fonds de 3 milliards de dollars, après son pari gagnant sur Anthropic
1858Le Big Data 

Menlo Ventures boucle un fonds de 3 milliards de dollars, après son pari gagnant sur Anthropic

Menlo Ventures a annoncé la clôture de son plus grand fonds en 50 ans d'existence : 3 milliards de dollars levés auprès de Limited Partners, confirmant la firme californienne comme l'un des acteurs de référence du capital-risque dédié à l'intelligence artificielle. Ce succès de collecte repose en grande partie sur une décision prise bien avant que l'IA générative ne s'impose comme la tendance dominante du secteur : un investissement massif et précoce dans Anthropic. La firme figurait déjà au tour de série C de la startup, puis a mené en 2024 un financement de série D de 750 millions de dollars, portant la valorisation d'Anthropic à 18,4 milliards de dollars à l'époque. Pour rassembler les 500 millions levés via une SPV (Special Purpose Vehicle), auxquels s'ajoutaient 250 millions issus de son propre fonds et de ses associés, Menlo avait parié gros alors que peu d'investisseurs étaient prêts à concentrer autant de capital sur une seule startup. Aujourd'hui, sa participation dans Anthropic est estimée à environ 14 milliards de dollars. Ce résultat illustre concrètement comment la concentration du risque sur quelques paris bien choisis peut transformer radicalement la trajectoire d'un fonds de venture capital. Menlo Ventures n'est plus simplement un investisseur dans Anthropic : la firme a co-lancé en 2024 un véhicule d'investissement baptisé Anthology, initialement doté de 100 millions de dollars et désormais proche de 250 millions investis dans plus de 60 startups. Ces jeunes entreprises, qui développent des applications ou des infrastructures basées sur l'IA, bénéficient d'un accès privilégié aux équipes et aux modèles Claude d'Anthropic. Ce modèle d'investissement écosystémique, qui lie étroitement les startups financées à un fournisseur de modèles, influence désormais la manière dont d'autres fonds structurent leur exposition à l'IA. Anthropic a été fondée par d'anciens chercheurs d'OpenAI, dont Dario et Daniela Amodei, et a rapidement acquis une crédibilité exceptionnelle dans le secteur, notamment grâce à un partenariat de 4 milliards de dollars avec Amazon. Lorsque Menlo a structuré son investissement de série D, le marché du capital-risque sortait péniblement du ralentissement post-pandémie, et la concentration de capital sur une seule startup suscitait encore la méfiance. Deux ans plus tard, le pari s'avère l'un des plus rentables de l'histoire récente du secteur. La clôture de ce fonds à 3 milliards envoie un signal clair : les LPs récompensent désormais massivement les fonds qui ont pris des positions concentrées et précoces dans l'IA générative, ancrant durablement Menlo Ventures parmi les kingmakers du nouvel écosystème technologique mondial.

BusinessOpinion
1 source
Nous Research enrichit Hermes d'une commande /learn pour capturer les workflows en commandes slash sans rédiger SKILL.md
1859MarkTechPost 

Nous Research enrichit Hermes d'une commande /learn pour capturer les workflows en commandes slash sans rédiger SKILL.md

Nous Research a enrichi son agent open-source Hermes Agent avec une nouvelle commande baptisée /learn, annoncée le 23 juin 2026. Cette fonctionnalité s'intègre au système de compétences existant (Skills System) de l'agent et permet de créer automatiquement des fichiers SKILL.md réutilisables sans avoir à les rédiger manuellement. Il suffit de pointer la commande vers une source : un répertoire local comme ~/projects/acme-sdk, une URL de documentation en ligne, des notes collées dans le terminal, ou même une procédure que l'utilisateur vient de lui faire exécuter. L'agent mobilise alors ses propres outils, readfile et searchfiles pour les fichiers locaux, web_extract pour le web, et produit une fiche de compétence conforme aux standards maison : description en moins de 60 caractères, structure de sections normalisée, et référencement uniquement aux commandes qui existent réellement. Toutes les compétences sont stockées dans ~/.hermes/skills/ et deviennent instantanément des commandes slash disponibles, comme /plan ou /axolotl. L'enjeu derrière cette simplicité apparente est considérable pour les équipes techniques. Jusqu'ici, documenter un workflow complexe, déployer un serveur, soumettre une note de frais, interagir avec une API interne, exigeait que quelqu'un rédige manuellement ce fichier de référence. Avec /learn, l'agent se charge lui-même de cette capitalisation, transformant une procédure fraîchement exécutée en compétence persistante et réutilisable. Le système de chargement à trois niveaux maintient les coûts en tokens sous contrôle : l'agent dispose en permanence d'un index compact (environ 3 000 tokens), et ne charge le contenu complet d'une compétence que lorsqu'une tâche le requiert explicitement. Une bibliothèque de dizaines de compétences ne pèse donc pas sur la fenêtre de contexte au repos. Hermes Agent est le projet phare de Nous Research dans l'espace des agents auto-améliorants open-source. Le Skills System repose sur le standard ouvert agentskills.io, ce qui lui confère une dimension communautaire : les compétences créées localement, installées depuis un hub tiers ou générées automatiquement partagent le même format et le même emplacement. /learn n'est pas un moteur d'ingestion séparé mais simplement une instruction transmise à l'agent comme un tour de conversation ordinaire, ce qui le rend compatible avec tous les modes d'exécution, CLI, interface TUI, passerelle de messagerie, tableau de bord, Docker ou remote. L'approbation manuelle reste possible via une option de contrôle des écritures. Cette architecture place Nous Research dans une logique de mémoire procédurale automatique pour les agents, un chantier sur lequel plusieurs laboratoires rivaux, dont Anthropic et OpenAI, cherchent eux aussi à progresser dans leurs propres écosystèmes d'agents.

OutilsOutil
1 source
Anthropic intègre des agents IA dans Slack
1860AI News 

Anthropic intègre des agents IA dans Slack

Anthropic a lancé en version bêta une fonctionnalité baptisée Claude Tag, disponible pour les abonnements Enterprise et Team, qui intègre son modèle d'IA directement dans les canaux partagés de Slack. Concrètement, n'importe quel membre d'une équipe peut invoquer l'agent en tapant @Claude dans un fil de discussion actif, lui déléguer une tâche, consulter ses résultats et reprendre la conversation là où elle s'était arrêtée. L'outil repose sur le moteur Opus 4.8 d'Anthropic et fonctionne de manière asynchrone : l'agent décompose les requêtes en étapes séquentielles, interroge les bases de données internes, les dépôts de code et les outils connectés, puis signale sa progression directement dans le canal. En mode "ambient", il surveille même les fils inactifs en autonomie, repère les notifications prioritaires et suit les tâches non résolues sur plusieurs jours sans attendre de sollicitation humaine. Ce lancement intervient peu après une levée de fonds de série H à 65 milliards de dollars qui a porté la valorisation post-money d'Anthropic à 965 milliards de dollars, devant OpenAI évalué à 852 milliards. L'enjeu de cette intégration dépasse le simple confort d'usage : elle repositionne l'IA comme un collaborateur visible et partagé plutôt qu'un outil privé consulté en solo. Jusqu'ici, les employés devaient copier-coller des données entre leur messagerie d'équipe et une fenêtre de chat séparée. Claude Tag supprime ce va-et-vient en loggant l'état des tâches directement dans Slack, ce qui permet à toute l'équipe de suivre l'exécution en temps réel et de ne pas ressaisir en permanence le contexte de leurs projets. Cat Wu, responsable produit de Claude Code chez Anthropic, a décrit à Reuters la puissance du format : "Pouvoir le taguer comme on le ferait avec un collègue, c'est vraiment fort." En interne, Anthropic génère déjà 65 % de son propre code via sa version privée de Claude Tag, signe que l'outil n'est pas qu'un argument commercial. Le lancement s'inscrit dans une bataille d'adoption enterprise qui se resserre. Selon l'AI Index de mai 2026 de la plateforme de dépenses Ramp, Anthropic affiche désormais un taux d'adoption en entreprise de 34,4 %, dépassant OpenAI à 32,3 %, alors que les deux sociétés se disputent les mêmes budgets IT. Anthropic a par ailleurs déposé un S-1 confidentiel en vue d'une introduction en bourse, et la conquête des espaces de travail numériques comme Slack constitue un levier de croissance direct pour valoriser cette perspective. Pour gérer les risques liés à la sécurité des données, des "identités Claude" cloisonnées par département peuvent être configurées par les administrateurs, avec des mémoires et intégrations d'outils strictement limitées aux canaux autorisés. Des journaux de requêtes complets et des plafonds d'utilisation mensuels complètent ce dispositif, ciblant autant les équipes techniques que les équipes non techniques chargées d'analyser des métriques ou de traiter des tickets de support interne.