Actualités IA — page 95

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

55

1881AWS ML Blog 

Créer un assistant de recherche sur les protéines avec Amazon Bedrock AgentCore

Amazon Web Services a publié un guide technique détaillant la construction d'un assistant conversationnel dédié à la recherche sur les protéines, baptisé "protein research copilot", reposant sur Amazon Bedrock AgentCore. Le système permet aux chercheurs de soumettre des requêtes en langage naturel, par exemple "Trouve 10 peptides similaires au peptide du virus de la dengue LPAIVREAI", et d'obtenir automatiquement des résultats de similarité structurelle accompagnés d'une synthèse scientifique générée par IA. L'architecture s'appuie sur le SDK Strands Agents pour orchestrer trois outils spécialisés au sein d'un agent unique : un parseur de requêtes, un moteur de recherche vectorielle, et un summariseur. Les embeddings protéiques sont calculés via le modèle ESM-C 300M déployé comme endpoint serverless sur Amazon SageMaker AI, puis comparés par similarité cosinus dans une base Amazon Aurora PostgreSQL avec l'extension pgvector. L'interface utilisateur tourne sur AWS Fargate via Streamlit, et le modèle de langage central est Claude Sonnet 4.6 d'Anthropic, accessible via l'API Bedrock Converse. Ce type d'outil répond à un problème concret dans les laboratoires de biologie computationnelle : la recherche manuelle de peptides structurellement similaires parmi des milliers de séquences est lente, sujette aux erreurs, et exige une expertise pointue pour interpréter les résultats. En automatisant l'ensemble du pipeline, de la formulation de la question à la synthèse des résultats, le copilote réduit drastiquement le temps passé sur des tâches répétitives et rend la recherche accessible à des profils moins spécialisés en bioinformatique. Le pattern "LLM-as-parser" utilisé pour extraire des paramètres structurés depuis du langage naturel est directement réutilisable dans d'autres domaines scientifiques où les données sont complexes et la formulation des requêtes peu standardisée. Cette publication s'inscrit dans la stratégie d'AWS de positionner Bedrock AgentCore comme plateforme de référence pour déployer des agents IA en production, face à des concurrents comme Google Vertex AI ou Microsoft Azure AI Studio. Le secteur biotech et pharmaceutique représente une cible prioritaire : la recherche sur les épitopes viraux, le dataset utilisé ici est celui de l'IEDB (Immune Epitope Database), est au coeur du développement de vaccins et de thérapies antivirales. Le modèle ESM-C, développé par EvolutionaryScale, est l'un des modèles de langage protéique les plus performants du moment. Le déploiement complet est estimé entre 30 et 45 minutes, mais implique des coûts sur Bedrock, SageMaker, Aurora Serverless v2 et Fargate qu'AWS invite explicitement à consulter avant de lancer l'infrastructure. Les prochaines étapes naturelles seraient l'intégration de bases de données protéiques publiques comme UniProt ou PDB, et l'extension à d'autres types de molécules biologiques.

Autre❖Paper

1 source

42

1882AI News 

Omio accélère son développement produit voyage avec les modèles OpenAI

Omio, plateforme de voyage multimodale opérant avec plus de 3 000 transporteurs dans 47 pays, a intégré les modèles OpenAI à l'ensemble de ses opérations d'ingénierie pour accélérer radicalement le développement de ses produits. L'entreprise a d'abord déployé ChatGPT en accès libre à tous ses employés, avant d'embarquer OpenAI Codex directement dans le cycle de développement logiciel, de la recherche préliminaire à la maintenance système, en passant par la conception architecturale, le codage, les tests automatisés et la revue de code. Des connecteurs internes sur mesure relient les environnements de données propriétaires à ces outils, permettant aux développeurs de sauter l'étape de recherche d'information pour passer directement à l'exécution. En 2023, Omio a aussi lancé l'une des premières interfaces de réservation conversationnelle du secteur, en connectant les modèles OpenAI à son inventaire de transport en temps réel, trains, bus, ferries, vols, permettant aux utilisateurs de formuler des requêtes en langage naturel comme "le trajet le plus rapide de Rome à Florence" et d'obtenir des itinéraires directement réservables. L'impact sur la productivité est saisissant : selon les analyses internes d'Omio, l'effort technique nécessaire pour construire un produit donné ne représente plus que 20 % de ce qu'il était auparavant. Des projets qui mobilisaient plusieurs développeurs pendant un trimestre entier se réalisent désormais avec un seul ingénieur en un mois environ. Cette compression des délais transforme la façon dont l'entreprise alloue ses ressources : il est désormais possible de prototyper rapidement, de tester la demande réelle des utilisateurs à moindre coût, et d'éliminer les fonctionnalités non viables avant d'engager une production à pleine échelle. Les équipes techniques itèrent sur les produits existants à une cadence bien plus élevée, déployant mises à jour et nouvelles interfaces en production à un rythme accéléré. La démarche d'Omio illustre une ambition plus radicale que la simple adoption d'outils IA. Son directeur technique, Tomas Vocetka, impose à chaque fonction interne de repenser entièrement ses modes opératoires pour fonctionner comme une entreprise nativement IA, et non de se contenter d'ajouter une couche technologique à des processus existants inchangés. Cette philosophie s'étend désormais au-delà des équipes techniques : la direction déploie Codex dans les fonctions non-techniques de l'organisation. Dans un secteur du voyage historiquement fragmenté, où les utilisateurs devaient naviguer entre de multiples sites pour comparer modes de transport et assembler manuellement leurs itinéraires, l'intégration conversationnelle d'Omio positionne la plateforme comme un guichet unique capable d'interpréter l'intention du voyageur et de répondre avec des options ancrées dans les prix et disponibilités en temps réel.

Outils⚒Outil

1 source

48

1883Le Big Data 

Une IA refroidie sans eau ? La promesse spectaculaire de Nvidia

Nvidia a annoncé le 22 juin 2026 un nouveau système de refroidissement pour centres de données IA capable de réduire jusqu'à 100 % la consommation d'eau locale. Le principe repose sur un circuit fermé qui recycle un liquide composé de 75 % d'eau et de 25 % de propylène glycol, un composé chimiquement proche de l'antigel automobile. Ce liquide reste efficace jusqu'à 46 °C, ce qui suffit à maintenir les puces à température sans recourir aux tours de refroidissement évaporatives traditionnelles, grandes consommatrices d'eau potable. Selon Nvidia, une infrastructure IA entièrement refroidie par liquide peut aussi réduire considérablement l'énergie dédiée au refroidissement, en supprimant une grande partie des systèmes de ventilation. L'enjeu va bien au-delà de la technique. L'eau est devenue un sujet politique et économique dans de nombreuses régions américaines où s'implantent massivement les centres de données IA. Un sondage du Pew Research Center révèle que les Américains informés sur ces infrastructures les jugent globalement néfastes pour l'environnement, s'inquiètent de l'impact sur les prix de l'énergie et sur la qualité de vie des riverains. En réduisant la pression hydrique locale, Nvidia offre aux opérateurs un argument face aux élus et aux communautés locales. Sur le plan économique, un refroidissement moins coûteux pourrait à terme alléger les frais d'exploitation des grands acteurs de l'IA, et potentiellement réduire le coût de certains services. Cette annonce s'inscrit dans une course plus large à la durabilité que se livrent les géants de la tech. Google et Microsoft ont déjà affiché des engagements similaires sur la consommation d'eau, tandis que Microsoft vient précisément d'être associé à un projet de centre de données alimenté au gaz naturel au Texas, illustration des contradictions du secteur. Nvidia arrive donc avec un argument de relations publiques aussi bien que commercial. Mais la promesse comporte des limites que l'entreprise elle-même reconnaît : l'efficacité du système dépend fortement du climat local. Dans des régions comme l'Arizona ou le Nevada, où les températures peuvent frôler 46 °C, des ressources de refroidissement complémentaires restent nécessaires, et la promesse du "zéro eau" ne tient plus totalement. Plus loin encore, certains ingénieurs et investisseurs explorent déjà des centres de données orbitaux, chez SpaceX ou Google, où la chaleur serait évacuée directement dans le vide spatial. Une piste encore spéculative, mais qui illustre à quel point la thermique des infrastructures IA est devenue un défi civilisationnel autant que technologique.

Infrastructure❧Opinion

Aussi surLes Numériques IA

40

1884AWS ML Blog 

Infrastructure partagée, locataires isolés : la mutualisation multi-tenant avec Amazon Bedrock AgentCore

Amazon Web Services vient de publier un guide architectural détaillé pour la construction d'applications d'intelligence artificielle multi-locataires à l'aide d'Amazon Bedrock AgentCore. Le document, second volet d'une série consacrée à ce sujet, s'appuie sur un cas concret dans le domaine médical : une plateforme d'agents IA servant simultanément plusieurs cliniques et hôpitaux. L'architecture proposée repose sur un modèle dit "pool", où tous les clients partagent la même infrastructure sous-jacente, mais sont isolés les uns des autres par des mécanismes logiques : identifiants scopés, politiques d'accès et partitionnement des données. La hiérarchie est structurée en trois niveaux, Niveau de service, Locataire, Utilisateur, et l'isolation est appliquée à chaque couche, depuis les documents stockés en base de connaissances jusqu'au suivi des coûts. Ce schéma répond à un défi concret pour les éditeurs de logiciels en mode SaaS : comment servir des clients aux besoins très différents sans multiplier les infrastructures dédiées ni exposer des données d'un client à un autre ? La solution présentée définit deux niveaux de service distincts. L'offre basique, destinée aux petites cliniques, utilise le modèle Mistral Ministral 3 8B Instruct pour des tâches de recherche documentaire simples, avec un coût réduit. L'offre premium, réservée aux hôpitaux et centres spécialisés, s'appuie sur OpenAI GPT OSS 120B, un modèle de 120 milliards de paramètres aux capacités de raisonnement avancées, et donne accès à des outils supplémentaires comme la recherche web. Cette différenciation par niveaux permet à un même fournisseur de servir des clients aux exigences très différentes tout en maintenant une efficacité opérationnelle. Le contexte est celui d'une adoption croissante des agents IA dans les entreprises, qui soulève des questions de gouvernance, d'attribution des coûts et de qualité de service que les architectures classiques ne résolvent pas facilement. Amazon positionne Bedrock AgentCore comme une brique native pour absorber cette complexité sans code personnalisé excessif. La publication du dépôt GitHub associé aux exemples illustre une volonté de standardisation des pratiques : l'objectif est que les équipes techniques puissent répliquer ces patterns dans des secteurs variés, plateformes SaaS, solutions d'entreprise multi-entités, services managés. Les enjeux sont significatifs, car une mauvaise isolation entre locataires dans un contexte médical exposerait des données sensibles de patients, avec des conséquences réglementaires sévères. Ce cadre architectural cherche précisément à rendre ce risque gérable par conception plutôt que par surveillance manuelle.

Outils≡Tuto

1 source

45

1885The Information AI 

Pourquoi les boucles d'agents ont la cote

Les "agent loops", ou boucles d'agents, s'imposent comme l'une des approches les plus discutées dans la communauté des développeurs IA, notamment sur X et Reddit ces dernières semaines. Le principe consiste à faire tourner un ou plusieurs agents en boucle autonome, sans intervention humaine entre chaque étape : l'agent tente différentes approches pour accomplir une tâche, un second agent évalue son travail, et le processus recommence jusqu'à l'atteinte de l'objectif ou d'une condition d'arrêt prédéfinie. Cette méthode tranche avec l'approche classique qui consiste à soumettre un prompt, attendre la réponse, puis corriger manuellement. Lors de la conférence AI Engineers d'avril 2025, des ingénieurs d'Anthropic ont illustré le potentiel de la technique avec un exemple concret : ils ont demandé à Claude de développer une application générant des jeux vidéo rétro. Avec un prompt minimal, Claude a livré l'application en 20 minutes pour 9 dollars. La même tâche confiée à une boucle d'agents a pris six heures et coûté 200 dollars, mais le résultat était nettement supérieur. L'engouement pour les boucles d'agents tient à leur capacité à traiter des tâches longues ou mal définies, là où une simple requête atteint rapidement ses limites. Pour les développeurs qui construisent des applications complexes, l'approche offre un niveau de qualité qu'un échange ponctuel ne permet pas d'atteindre. Le compromis reste cependant significatif : un rapport de coût de 1 à 22 représente une barrière réelle à l'adoption généralisée. À court terme, cette méthode restera donc réservée aux cas d'usage où la qualité prime sur le budget, plutôt qu'aux tâches routinières à faible enjeu. Cette tendance s'inscrit dans une évolution plus large du secteur vers des systèmes d'IA toujours plus autonomes. L'industrie se déplace progressivement du modèle "prompt-réponse" vers des architectures multi-agents capables de s'auto-corriger et de raisonner sur de longues séquences d'actions. Anthropic, qui développe Claude, figure parmi les acteurs en pointe sur ce terrain, aux côtés d'OpenAI et Google DeepMind. L'enjeu à moyen terme sera de réduire le coût computationnel de ces boucles pour les rendre économiquement accessibles à grande échelle, condition nécessaire pour que les agent loops passent du statut d'expérimentation avancée à celui d'outil standard du développement IA.

Outils⚒Outil

1 source

49

1886Le Big Data 

Cybersécurité : IBM et OpenAI lancent une IA avancée pour protéger les entreprises

IBM et OpenAI ont annoncé le 22 juin 2026 un renforcement significatif de leur collaboration dans le domaine de la cybersécurité, avec le lancement d'un nouveau service d'analyse applicative intégré à la plateforme IBM Consulting Advantage. Concrètement, IBM rejoint le programme OpenAI Daybreak Cyber Partner et déploie un service managé qui s'appuie sur les modèles de cybersécurité d'OpenAI pour identifier et valider automatiquement les vulnérabilités logicielles dans les environnements des grandes entreprises. Le service est disponible immédiatement et fonctionne en accès lecture seule sur les référentiels de code, avec des permissions d'exécution limitées pour répondre aux exigences de gouvernance des organisations. Cette initiative s'inscrit dans le cadre du projet Lightwell, porté par un investissement combiné de 5 milliards de dollars d'IBM et de Red Hat, qui vise à construire un centre de sécurité d'entreprise de nouvelle génération. Ce qui distingue fondamentalement cette solution des outils classiques d'analyse de code, c'est sa capacité à hiérarchiser les vulnérabilités selon leur potentiel réel d'exploitation, et non pas simplement à les lister. Les outils traditionnels génèrent souvent un volume d'alertes trop important pour être traité efficacement par les équipes de sécurité. Ici, l'IA identifie les zones de code les plus susceptibles d'être exploitées par des cybercriminels, permettant aux équipes de concentrer leurs efforts sur les menaces véritablement critiques. Pour les entreprises, le modèle en service managé permet de démarrer par quelques applications stratégiques avant d'étendre progressivement la surveillance à l'ensemble du parc applicatif, avec un suivi continu à mesure que le code évolue. Ce partenariat s'inscrit dans une course technologique désormais bien engagée entre attaquants et défenseurs. Les cybercriminels utilisent déjà l'intelligence artificielle pour automatiser la recherche de failles, accélérer les tentatives d'intrusion et diversifier leurs vecteurs d'attaque, rendant les approches manuelles ou purement réactives insuffisantes. OpenAI, qui avait jusqu'ici une présence discrète dans la cybersécurité offensive-défensive, structure avec le programme Daybreak un écosystème de partenaires orientés vers les usages défensifs en milieu professionnel. Pour IBM, dont l'activité de conseil et de services de sécurité représente un pilier stratégique, l'intégration de modèles de frontier AI est un levier de différenciation face à des concurrents comme Microsoft Security ou Palo Alto Networks qui investissent massivement dans les mêmes directions. Les prochains mois devraient préciser la profondeur réelle du dispositif Lightwell et la capacité de ce service à s'imposer dans des secteurs très régulés comme la finance ou la santé.

Sécurité⚒Outil

1 source

41

1887FrenchWeb 

Le commerce conversationnel est déjà là : comment l’IA transforme l’expérience d’achat en ligne

Doofinder, spécialiste espagnol de la recherche e-commerce, met en avant sa plateforme AI Search & Discovery comme incarnation concrète du commerce conversationnel. Contrairement aux promesses vagues entourant "l'IA dans le e-commerce", la solution permet à un acheteur de décrire son besoin en langage naturel, exactement comme il le ferait avec un vendeur en magasin, et d'obtenir des résultats pertinents sans passer par des mots-clés exacts. La boutique en ligne engage ainsi une véritable conversation avec son visiteur, interprétant l'intention derrière la requête plutôt que sa formulation littérale. L'impact est direct pour les marchands : un moteur de recherche conversationnel réduit le taux d'abandon lié aux résultats vides ou mal ciblés, et augmente le taux de conversion en guidant l'acheteur vers ce qu'il cherche réellement. Pour les consommateurs, c'est une expérience qui se rapproche du conseil humain, sans friction ni reformulation. Pour les petites et moyennes boutiques en ligne, souvent dépourvues de ressources IA internes, ce type de solution clé en main représente un accès direct à des capacités jusqu'ici réservées aux grandes plateformes. Le commerce conversationnel s'inscrit dans une tendance de fond qui voit les interfaces de recherche traditionnelles céder la place aux interactions en langage naturel, portées par les progrès des LLM. Des acteurs comme Algolia, Constructor ou encore Bloomreach se disputent ce marché en pleine expansion. Doofinder, historiquement positionné sur les PME européennes, cherche à capitaliser sur cette transition pour élargir sa base de clients avant que les géants de l'e-commerce n'imposent leurs propres standards conversationnels.

Outils⚒Outil

1 source

45

1888Ben's Bites 

Enregistrer une compétence

OpenAI a dévoilé une fonctionnalité majeure pour son agent de code Codex : le mode Record & Replay, qui permet de montrer au système un flux de travail répétitif une seule fois, comme remplir une note de frais ou soumettre une demande de congé, pour qu'il le transforme automatiquement en une compétence réutilisable, inspectable et modifiable. Dans le même élan, Anthropic a annoncé que Claude Code supporte désormais les Artefacts, des pages HTML interactives partageables pouvant servir de tableaux de bord de projet ou de récapitulatifs de pull requests, disponibles en bêta pour les plans Team et Enterprise. OpenAI a également élargi Daybreak, son programme de cybersécurité, avec une nouvelle version de GPT-5.5-Cyber réservée à ses partenaires de confiance, capable de reproduire davantage de vulnérabilités que son prédécesseur, ainsi qu'avec Patch the Planet, une initiative pour accélérer la correction de failles dans les logiciels open source. De son côté, Sakana AI a lancé Fugu, une API qui orchestre plusieurs modèles sur des tâches complexes et revendique un score de 73,7 sur SWE-bench Pro et 82,1 sur TerminalBench 2.1, des performances proches de Fable, même si des lacunes subsistent en usage réel. Ces annonces illustrent une tendance de fond : les outils d'IA passent du stade de l'assistant ponctuel à celui d'un système d'automatisation durable. La fonctionnalité Record & Replay de Codex réduit concrètement la friction pour les équipes qui gèrent des processus administratifs ou métiers répétitifs, sans exiger de compétences en programmation. Les Artefacts de Claude Code ouvrent la voie à une collaboration plus riche entre développeurs, en rendant les livrables de l'IA directement partageables. Pour la cybersécurité, l'extension de Daybreak signale qu'OpenAI positionne ses modèles comme des outils offensifs et défensifs à part entière pour les professionnels du secteur. Ces développements s'inscrivent dans une semaine particulièrement dense pour l'écosystème de l'IA générative. L'API Interactions de Google est passée en disponibilité générale, unifiant accès aux modèles et aux agents sous une même interface. GPT-5.5 Instant a amélioré ses performances sur les questions médicales, atteignant le niveau des meilleurs modèles de raisonnement d'OpenAI selon l'entreprise. Perplexity Computer a intégré un système de mémoire baptisé Brain. Stripe a ouvert un répertoire permettant aux agents de rechercher et de payer des services directement depuis la ligne de commande. ElevenLabs, enfin, a lancé un moteur publicitaire capable de localiser des spots dans plus de 50 langues. La vitesse à laquelle ces capacités s'accumulent suggère que 2026 marque un tournant dans l'autonomie réelle des agents, avec des workflows complets désormais déléguables de bout en bout.

Outils⚒Outil

1 source

46

1889The Information AI 

Comment les clients IA réduisent leurs factures Anthropic et OpenAI

Face à la hausse des tarifs des modèles phares d'Anthropic et d'OpenAI, de grandes entreprises clientes adoptent une stratégie d'optimisation tarifaire en combinant plusieurs modèles selon les usages. Ensemble Health Partners, un éditeur de logiciels pour hôpitaux qui prévoit de dépenser jusqu'à 100 millions de dollars en IA cette année, illustre cette tendance : la société a migré certains de ses traitements vers un modèle OpenAI 23 fois moins cher que les versions les plus avancées du même fournisseur, avec des résultats satisfaisants. Ce mouvement révèle une maturité croissante des acheteurs d'IA en entreprise. Après une phase d'adoption souvent pilotée par l'enthousiasme technologique, les directions techniques et financières exigent désormais une justification économique précise pour chaque déploiement. Le facteur 23 entre un modèle économique et un modèle premium chez OpenAI représente un écart considérable à l'échelle de centaines de millions de requêtes, ce qui pousse les équipes techniques à cartographier finement quelles tâches nécessitent réellement la puissance maximale. Cette rationalisation s'inscrit dans un marché de l'IA de plus en plus fragmenté, où Anthropic, OpenAI, Google et des acteurs open source proposent chacun des gammes complètes allant du modèle léger au modèle de pointe. Les grands fournisseurs ont eux-mêmes encouragé cette stratification en lançant des versions "mini" ou "haiku" de leurs modèles, pariant sur le volume pour compenser la baisse de marge unitaire. La pression tarifaire des clients pourrait néanmoins peser sur leurs revenus si la tendance s'accélère.

Business❧Opinion

1 source

49

1890NVIDIA AI Blog 

Comment les entreprises développent des IA spécialisées de confiance

NVIDIA a lancé l'NVIDIA Agent Toolkit, une plateforme modulaire et ouverte destinée à permettre aux entreprises de construire des agents IA spécialisés adaptés à leurs propres workflows. La boîte à outils repose sur trois composants principaux : les modèles ouverts Nemotron, qui servent de base de raisonnement personnalisable ; les blueprints NemoClaw, qui définissent des schémas pour un comportement d'agent plus sûr et plus précis à moindre coût ; et le runtime OpenShell, qui permet aux agents d'opérer en toute sécurité au sein des systèmes existants. NVIDIA a également lancé le BioNeMo Toolkit, spécifiquement conçu pour les sciences de la vie, réduisant à quelques jours des tâches qui nécessitaient auparavant plusieurs mois. La plateforme est compatible avec des orchestrateurs tiers comme Hermes Agents et OpenClaw. Des entreprises comme CrowdStrike déploient déjà des agents de cybersécurité spécialisés qui traitent les alertes avec 98,5 % de précision, tandis que Cadence et Synopsys construisent des agents autonomes pour la conception de puces électroniques. Des acteurs comme Palantir, SAP, ServiceNow, Siemens et Dassault Systèmes intègrent quant à eux ces capacités agentiques dans leurs plateformes d'entreprise. L'enjeu central de cette annonce est la confiance et le contrôle. Les entreprises ne cherchent pas seulement à accéder à une IA générale : elles veulent des systèmes qu'elles peuvent personnaliser, auditer et déployer en toute sécurité dans des environnements critiques. En proposant une architecture ouverte et modulaire, NVIDIA permet aux équipes techniques d'intégrer des agents dans leurs systèmes existants sans repartir de zéro. Dans les sciences de la vie, cela accélère la découverte de médicaments, l'analyse génomique et le criblage virtuel de molécules. Dans la santé, les agents soutiennent la documentation clinique et la coordination des soins. Dans la cybersécurité, le triage automatisé à haute précision libère des analystes pour des tâches à plus forte valeur ajoutée. Le potentiel de gain de productivité à l'échelle industrielle est donc considérable. Cette initiative s'inscrit dans une deuxième vague de l'IA en entreprise, après une phase initiale d'expérimentation avec les grands modèles frontières. Les pilotes ont montré que l'IA générique ne suffit pas : les cas d'usage les plus précieux exigent des agents capables de raisonner, d'utiliser des outils métier et d'agir dans des workflows très spécifiques. NVIDIA, déjà dominant dans l'infrastructure matérielle pour l'IA, élargit ainsi son emprise sur la couche logicielle agentique. En s'alliant à des acteurs comme SAP, Siemens et Palantir, l'entreprise se positionne au coeur de l'adoption de l'IA dans les secteurs industriels, de la santé et de la cybersécurité. La prochaine étape sera de voir si cette architecture ouverte parvient à s'imposer face aux écosystèmes fermés que d'autres géants technologiques cherchent à construire.

Outils❧Opinion

1 source

43

1891Le Big Data 

Vous vous faites avoir : ces influenceurs Instagram n’existent pas (ce sont des IA)

Sur Instagram et d'autres plateformes, une pratique discrète mais en pleine expansion bouleverse les codes du marketing d'influence : des marques font appel à des influenceurs entièrement générés par intelligence artificielle pour promouvoir leurs produits, sans en informer clairement les internautes. Ces personnages virtuels, visages hyperréalistes, voix synthétisées, mises en scène soignées, publient des vidéos qui imitent les témoignages spontanés de vrais consommateurs. Clarissa Mansbridge, ancienne agente de célébrités et fondatrice du projet Mia Metaverse, confirme que la demande explose : son activité consiste à créer des avatars numériques sur commande pour des campagnes marketing. Une marque de cosmétiques peut ainsi obtenir en quelques heures une vidéo montrant une jeune femme appliquant une crème solaire en bord de piscine, puis la diffuser comme s'il s'agissait de contenu organique. Selon elle, une part significative du contenu de certaines grandes marques serait déjà produite par IA, mais des accords de confidentialité empêchent les prestataires de citer leurs clients. L'application Maket est l'une des rares entreprises à reconnaître publiquement avoir recouru à ces avatars numériques, en précisant toutefois qu'il s'agit avant tout d'une phase d'expérimentation créative. Le problème central est celui de la tromperie implicite. Ces personnages virtuels reproduisent avec précision les émotions, les anecdotes personnelles et les recommandations enthousiastes qui donnent aux contenus d'influence leur pouvoir de persuasion, sans que le spectateur ait les moyens de détecter l'artifice. L'association de consommateurs britannique Which? l'a mesuré concrètement : 70 % des participants à son étude n'ont pas réussi à distinguer toutes les vidéos authentiques des vidéos générées par IA. Pour les consommateurs, cela signifie qu'une recommandation en apparence sincère peut n'être que le produit d'un outil génératif commandité par l'annonceur lui-même, sans aucune expérience réelle du produit. Cette pratique s'inscrit dans une logique économique implacable. Produire une campagne classique mobilise photographes, modèles, équipes créatives et parfois des déplacements coûteux. Les outils génératifs actuels permettent de créer du contenu en quelques heures pour une fraction du coût, avec une présence illimitée et sans les contraintes liées aux personnalités humaines. Les marques y voient aussi une façon de tester des concepts créatifs à faible risque avant d'investir dans des campagnes plus importantes. Mais l'absence de réglementation claire sur le sujet laisse un vide juridique que les annonceurs exploitent : tant que la mention "contenu généré par IA" n'est pas obligatoire, la transparence reste à la discrétion des entreprises. Face à la montée en réalisme de ces outils, les régulateurs européens et américains commencent à s'intéresser à la question, mais sans cadre contraignant à ce jour, le phénomène devrait continuer à s'amplifier.

Éthique⚖Reglementation

1 source

38

1892Ars Technica AI 

Crever la bulle de l'IA : s'attaquer à ses racines

Cory Doctorow, journaliste technologique et auteur de science-fiction prolifique, publie un nouveau livre intitulé The Reverse Centaur's Guide to Life After AI, qui fait suite à son précédent ouvrage Enshittification: Why Everything Suddenly Got Worse and What To Do About It. Doctorow n'apprécie pas particulièrement parler de l'IA, mais il est constamment sollicité sur le sujet. "J'ai commis l'erreur tactique d'en avoir assez de parler de l'IA, confie-t-il. Alors j'ai écrit un livre expliquant pourquoi je pense que c'est une question stupide à poser aux gens, et maintenant je dois en parler." L'ouvrage tente, selon ses propres mots, de "démêler le bullshit de la réalité matérielle". Le concept central du livre repose sur une distinction issue de la théorie de l'automatisation. Un "centaure" désigne un humain augmenté par une technologie, qu'il s'agisse d'apprentissage automatique, de la conduite automobile ou de la saisie semi-automatique. Le "centaure inversé", lui, est tout le contraire : une tête de machine sur un corps humain, autrement dit une personne réduite à servir d'appendice charnel à une machine indifférente. Doctorow a popularisé ce concept dans un discours prononcé en décembre dernier, en prenant l'exemple d'un livreur Amazon entouré de caméras IA surveillant sa conduite, fonctionnant essentiellement comme un périphérique humain au service du véhicule de livraison. Cette grille de lecture s'inscrit dans une réflexion plus large sur la façon dont les grandes entreprises technologiques restructurent le travail et le pouvoir. Doctorow, figure critique bien connue de Silicon Valley, avait déjà documenté dans Enshittification la dégradation systématique des plateformes numériques au détriment des utilisateurs. Avec ce nouveau livre, il étend l'analyse à l'IA générative, refusant à la fois l'enthousiasme béat et le catastrophisme. L'enjeu n'est pas tant de savoir si l'IA est intelligente, mais de comprendre qui elle sert, comment elle redistribue le contrôle, et au profit de quels intérêts économiques elle transforme les conditions de travail et de vie.

Société❧Opinion

1 source

44

1893IEEE Spectrum AI 

L'IA apprend à lire les émotions

L'intelligence artificielle apprend désormais à lire les émotions humaines avec une précision croissante, et ce domaine connaît une expansion rapide dans de nombreux secteurs. Des plateformes de centres d'appels comme NiCE et Genesys utilisent déjà l'IA pour détecter la frustration d'un client au téléphone et guider les agents en temps réel. Meta et la startup Hume AI développent des systèmes vocaux capables d'ajuster leur ton selon l'état émotionnel de l'interlocuteur. Plus de 300 entreprises proposent des applications de compagnons virtuels, un marché estimé à 555 milliards de dollars d'ici 2035. Le robot ElliQ de la société Intuition Robotics, qui ressemble à une petite lampe de bureau blanche, est déjà déployé auprès de personnes âgées pour réduire la solitude par la conversation. Malgré cette omniprésence croissante, les systèmes actuels d'IA émotionnelle restent limités : ils ne font que coller une étiquette à un signal isolé, en classant une expression comme « heureux » ou « triste ». Or les émotions humaines sont contextuelles, superposées et en évolution constante. Un rire peut exprimer la joie ou la nervosité, une voix qui monte peut trahir l'enthousiasme ou l'agacement. Ces nuances varient considérablement selon la personnalité, la culture et le contexte de chaque individu. Dans un entretien d'évaluation ou une session de coaching, l'IA actuelle risque de manquer les signaux les plus importants, comme la fatigue ou l'approche du burn-out, parce qu'elle ne voit pas la scène dans son ensemble. C'est précisément cet écart qu'un nouveau champ de recherche cherche à combler, que ses promoteurs appellent la « human-context AI ». Au lieu d'analyser un seul flux de données, ces systèmes croisent dynamique du visage, voix, ton, langage et comportement, tout en tenant compte du contexte précis de l'interaction. Cette approche trouve ses origines il y a près de trente ans au MIT Media Lab, où l'ingénieure Rosalind Picard a inventé le concept d'« affective computing » : l'idée, alors radicale, que les machines pourraient reconnaître et répondre aux émotions humaines. À l'époque, la puissance de calcul, les capteurs et les données disponibles n'étaient pas au rendez-vous. Aujourd'hui, les avancées en deep learning et la multiplication des données multimodales ouvrent enfin la voie à des systèmes capables de lire non plus seulement l'écran, mais la situation dans sa globalité, avec toutes les implications éthiques que cela suppose pour le travail, l'éducation et la vie privée.

Société⚒Outil

1 source

47

1894Next INpact 

Chez Meta, la bascule vers l’IA entraîne une « merdification » des conditions de travail

Meta a engagé depuis avril 2026 une transformation radicale de ses conditions de travail qui bouleverse profondément sa culture d'entreprise. L'entreprise de Mark Zuckerberg a annoncé coup sur coup la surveillance généralisée des interactions de ses 78 000 salariés avec leurs ordinateurs, les données collectées servant à entraîner ses modèles d'IA, le licenciement de 8 000 d'entre eux, et la réassignation forcée de 7 000 autres vers des postes d'étiquetage de données, une tâche manuelle et répétitive considérée comme l'opposé du travail d'ingénierie créatif. Tout cela alors que le chiffre d'affaires de Meta progressait de 33 % en un an, soulignant que ces coupes ne répondent pas à une crise financière. L'impact sur les ingénieurs est brutal et symboliquement fort. Selon plusieurs employés qui se sont confiés à Gergely Orosz, auteur de The Pragmatic Engineer, l'une des newsletters tech les plus lues sur Substack et lui-même ancien ingénieur chez Skype et Uber, la direction traite désormais ses ingénieurs comme un "centre de coût" là où ils étaient auparavant considérés comme un "centre de profit". Ce glissement de perception transforme concrètement les conditions de travail : moins d'autonomie dans le choix des affectations, dévalorisation des compétences techniques au profit de tâches d'annotation, et sentiment généralisé que l'entreprise démantèle méthodiquement une culture d'ingénierie qui avait fait ses preuves depuis vingt ans. Un nombre croissant d'ingénieurs envisageraient de quitter Meta. Cette rupture s'inscrit dans une trajectoire longue et une impasse stratégique. Pendant ses deux premières décennies, Meta avait construit une culture d'ingénierie exceptionnelle, d'abord sous le mantra "move fast and break things", puis dans une version plus mature intégrant la stabilité d'infrastructure, tout en laissant ses ingénieurs choisir librement leurs projets. Mais contrairement à Apple, Google, Microsoft ou Amazon, Meta n'a jamais réussi à s'imposer sur le matériel ni sur les systèmes d'exploitation. Pour compenser, l'entreprise a misé des dizaines de milliards sur le métavers : sa filiale Reality Labs a accumulé 70 milliards de dollars de pertes depuis 2020, avant de licencier 1 500 personnes en janvier 2026 et de pivoter vers l'IA. C'est ce pivot forcé qui explique la logique actuelle : utiliser massivement les ingénieurs restants comme producteurs de données d'entraînement, quitte à sacrifier la culture qui avait fait la force de l'entreprise.

Société❧Opinion

1 source

46

1895Le Big Data 

Google DeepMind investit 75 millions de dollars dans A24 pour l’avenir de l’IA à Hollywood

Google DeepMind a annoncé le 22 juin 2026 un investissement de 75 millions de dollars dans A24, le studio indépendant américain connu pour des succès comme "Everything Everywhere All at Once" ou "Midsommar". Cet apport financier s'accompagne d'un partenariat de recherche inédit : chercheurs de DeepMind, réalisateurs et artistes d'A24 vont collaborer dès les premières phases de développement pour concevoir les futurs outils d'IA destinés à la production cinématographique. Demis Hassabis, cofondateur et PDG de Google DeepMind, a résumé l'ambition : concevoir des outils utiles aux artistes implique de travailler directement avec eux, pas de leur imposer des solutions développées en vase clos. Les contours précis des projets communs n'ont pas encore été dévoilés, les deux organisations préférant faire évoluer les objectifs au fil des retours terrain. Cet accord marque un tournant dans la manière dont les géants technologiques abordent l'intégration de l'IA à Hollywood. Plutôt que de vendre des logiciels à des studios réticents, Google DeepMind choisit d'intégrer ses chercheurs directement dans les processus créatifs d'A24 pour tester de nouvelles méthodes de travail, prévisualisation de scènes, effets visuels, assistance à l'écriture, idéation. Pour les studios, ces technologies promettent des gains de productivité réels et une réduction de certains coûts de production. Mais leur adoption massive bute sur un obstacle de taille : l'acceptation par les créateurs eux-mêmes, dont les syndicats ont durement négocié les conditions d'utilisation de l'IA lors des grèves de 2023. En s'associant à A24, reconnu pour son exigence artistique et sa proximité avec ses réalisateurs, DeepMind envoie un signal clair sur sa volonté de légitimer l'IA créative via la co-conception plutôt que l'imposition. Ce partenariat s'inscrit dans une course plus large entre les grandes plateformes et laboratoires technologiques pour s'ancrer dans les chaînes de création de contenu audiovisuel. Amazon, Apple, Microsoft et d'autres ont multiplié les investissements dans les studios ou les outils de production ces dernières années, tandis que l'IA générative redessine les possibles en matière de production virtuelle et de narration. Hollywood reste profondément divisé sur le rôle que doit jouer l'IA : les débats autour des droits d'auteur et de l'automatisation des tâches créatives continuent d'agiter l'industrie. En choisissant un studio indépendant plutôt qu'un major, Google DeepMind parie sur une approche plus souple et expérimentale, susceptible de produire des cas d'usage concrets que d'autres studios pourraient ensuite adopter. Si le modèle fait ses preuves, il pourrait redéfinir la norme de collaboration entre l'industrie technologique et le monde du cinéma.

Création❧Opinion

Aussi surSiècle Digital

49

1896The Decoder 

OpenAI affirme que GPT-5.5-Cyber surpasse Mythos d'Anthropic sur les benchmarks de cybersécurité

OpenAI a officiellement lancé GPT-5.5-Cyber, un modèle dédié à la cybersécurité qui surpasse selon la société le modèle Mythos d'Anthropic sur les benchmarks spécialisés du secteur. Ce lancement s'inscrit dans l'expansion de l'initiative Daybreak d'OpenAI, qui comprend désormais une version mise à jour du plugin Codex Security ainsi qu'un réseau de partenaires regroupant plus de 25 entreprises de sécurité et plusieurs gouvernements. Le changement de cap est significatif : là où les outils précédents se concentraient sur la détection de vulnérabilités, GPT-5.5-Cyber vise à les corriger automatiquement. Cette capacité de remédiation autonome représente un saut qualitatif pour l'industrie de la sécurité informatique, où le délai entre la découverte d'une faille et son colmatage constitue une fenêtre d'exposition critique. Pour les entreprises partenaires et les gouvernements impliqués, cela ouvre la voie à des cycles de défense beaucoup plus rapides, potentiellement en temps réel. La compétition entre OpenAI et Anthropic sur le terrain de la cybersécurité s'intensifie, chaque acteur cherchant à s'imposer auprès des grandes organisations gouvernementales et des entreprises critiques. OpenAI avait lancé Daybreak début 2025 pour structurer ses efforts dans ce domaine sensible, conscient que les modèles d'IA puissants représentent à la fois un outil défensif précieux et un vecteur d'attaque potentiel. La constitution d'un réseau de plus de 25 partenaires sécurité signale une volonté de déploiement industriel, et non plus seulement de démonstration technique.

Sécurité❧Opinion

1 source

50

1897Next INpact 

Sécurité : OpenAI veut « patcher la planète »

Le 22 juin 2026, OpenAI a annoncé une extension significative de sa plateforme de cybersécurité Daybreak, lancée initialement en mai. L'entreprise a dévoilé une version finale et améliorée de GPT-5.5-Cyber, son modèle spécialisé dans la sécurité informatique, ainsi qu'une nouvelle initiative appelée Patch the Planet, développée en partenariat avec la société de sécurité Trail of Bits. Sur le benchmark CyberGym, qui mesure la capacité d'un agent à reproduire des vulnérabilités connues, GPT-5.5-Cyber obtient 85,6 %, devançant GPT-5.5 classique (81,8 %) et le modèle concurrent Mythos 5 d'Anthropic (83,6 %). Sur ExploitGym et SEC Bench Pro, il atteint respectivement 39,5 % et 69,8 %, contre 29,95 % et 63,1 % pour GPT-5.5. Le modèle a déjà été utilisé pour identifier des failles dans des bases de code majeures comme Firefox, V8, Safari, OpenBSD, FreeBSD et les implémentations HTTP/2. Ce que change cette annonce, c'est la philosophie même de l'assistance en cybersécurité. GPT-5.5-Cyber n'est plus conçu pour simplement signaler des problèmes : il accompagne les équipes de sécurité sur l'intégralité du cycle de remédiation, de la détection initiale jusqu'au développement et au test du correctif, en passant par la validation des vulnérabilités dans des environnements contrôlés. Pour les professionnels de la sécurité, qui manquent chroniquement de temps et de ressources face à des bases de code de plus en plus volumineuses, c'est une accélération concrète du travail défensif. L'initiative Patch the Planet vise quant à elle l'écosystème open source, particulièrement exposé faute de ressources dédiées, en y apportant ces capacités d'analyse avancée. OpenAI s'inscrit ici dans une compétition directe avec Anthropic, dont le modèle Mythos 5 cible le même marché de la cybersécurité haut de gamme avec un système d'accès sur dossier similaire. GPT-5.5-Cyber est réservé aux défenseurs vérifiés dont le travail nécessite des capacités avancées, avec une vérification et un suivi renforcés. Sur le plan institutionnel, OpenAI travaille avec le Center for AI Standards and Innovation (CAISI), le Bureau du Directeur national de la cybersécurité (ONCD) et l'Office de la politique scientifique et technologique (OSTP) pour aligner ses déploiements sur le décret présidentiel du 2 juin sur l'IA. Cette coordination avec Washington signale une stratégie délibérée : se positionner comme partenaire de confiance des gouvernements sur les enjeux de sécurité nationale, au moment où l'IA offensive et défensive devient un enjeu géopolitique central.

Sécurité❧Opinion

1 source

47

1898Le Big Data 

Réseaux autonomes : Nokia embarque les agents IA Gemini de Google Cloud

Nokia a annoncé le 22 juin 2026 l'intégration des modèles Gemini de Google Cloud au sein de son Nokia Assurance Center, la plateforme logicielle utilisée par les opérateurs télécoms pour superviser et optimiser leurs infrastructures réseau. Le cœur du dispositif repose sur six agents IA spécialisés, chacun dédié à une fonction précise du cycle d'exploitation : coordination centrale, analyse des alarmes, identification des causes racines, interprétation des indicateurs de performance et recommandation d'actions correctives. Développés à partir de l'Agent Development Kit (ADK) de Google Cloud et de la plateforme Gemini Enterprise Agent, ces agents promettent des gains de 50 à 80 % sur les délais de traitement des incidents réseau. Le déploiement s'appuie sur des outils standards comme Kubernetes et Google Cloud Storage, sans nécessiter d'infrastructure propriétaire supplémentaire. L'enjeu est considérable pour les opérateurs télécoms, qui gèrent quotidiennement des milliers d'événements techniques et peinent à distinguer les incidents critiques du bruit de fond. En permettant aux agents d'analyser simultanément plusieurs sources d'information grâce aux capacités de raisonnement multimodal de Gemini, Nokia vise à faire basculer les opérateurs d'une logique de supervision réactive vers une gestion proactive : anticiper les pannes et les corriger avant qu'elles n'affectent les utilisateurs finaux. Ce passage à l'autonomie opérationnelle réduit mécaniquement les coûts d'exploitation, diminue la dépendance aux interventions humaines de routine et améliore la fiabilité des infrastructures, un argument de poids dans un secteur où chaque minute d'interruption de service représente des pertes directes pour les opérateurs. Cette annonce s'inscrit dans une relation déjà établie entre Nokia et Google Cloud, que les deux groupes approfondissent à mesure que l'IA agentique mûrit techniquement. Nokia, équipementier historique en difficulté de repositionnement face aux concurrents asiatiques, mise sur l'intelligence artificielle pour différencier sa suite logicielle et fidéliser une base de clients opérateurs soumis à une pression tarifaire croissante. Google Cloud, de son côté, cherche à imposer Gemini comme socle applicatif dans les environnements industriels critiques, un marché où AWS et Microsoft Azure sont également très actifs. L'architecture multi-agents représente une étape vers le concept de réseau autonome, un objectif de long terme de l'industrie télécoms où le réseau se configure, se répare et s'optimise seul. Les prochaines étapes devraient voir ces six agents s'étendre à d'autres modules de la plateforme Nokia, avec des annonces attendues lors des grands salons télécoms de la seconde moitié de 2026.

Outils❧Opinion

1 source

45

1899Le Big Data 

Meta voulait espionner ses employés pour l’IA, ça tourne au fiasco en interne

Le 22 juin 2026, Meta a suspendu son programme MCI (Model Capability Initiative), une initiative interne conçue pour entraîner des modèles d'intelligence artificielle à partir du comportement réel de ses propres employés. Concrètement, le système captait les mouvements de souris, les frappes au clavier, les clics et parfois des captures d'écran des machines des salariés. La suspension a été déclenchée après la découverte d'un problème de configuration ayant exposé des données sensibles d'employés à un nombre de personnes bien plus large que prévu au sein de l'entreprise. La porte-parole Tracy Clayton a précisé qu'aucune intrusion externe n'avait été détectée et qu'aucun comportement suspect de la part des employés n'avait été observé. L'enquête est en cours pour déterminer l'étendue exacte de l'incident. La révélation fragilise davantage un programme déjà contesté en interne. Avant même cet incident, plusieurs employés avaient exprimé des inquiétudes sur la vie privée, la sécurité des données et l'impact concret sur les performances de leurs machines, certains signalant un ralentissement notable au quotidien. Début juin, Meta avait tenté de calmer les tensions en permettant aux salariés de suspendre temporairement la collecte ou de demander une exemption totale, mais ces ajustements n'ont pas suffi à restaurer la confiance. L'incident du 22 juin transforme ce qui était une friction interne gérable en une crise de crédibilité pour le dispositif entier, renforçant les doutes sur la capacité de Meta à gérer responsablement des données aussi sensibles que celles de ses propres collaborateurs. Le MCI s'inscrit dans une course que se livrent les grandes entreprises technologiques pour améliorer leurs modèles d'IA avec des données comportementales de haute qualité, difficiles à obtenir autrement. Utiliser les données des employés comme terrain d'entraînement est une approche risquée sur le plan légal et éthique, notamment en Europe où le RGPD encadre strictement ce type de collecte. Meta, qui développe activement ses modèles Llama et cherche à combler son retard face à OpenAI et Google sur les assistants IA, se retrouve donc dans une position délicate : abandonner le programme signifie perdre un avantage potentiel, mais le maintenir sans reconstruction complète de la confiance interne semble difficile. La suite dépendra des conclusions de l'enquête et de la capacité de l'entreprise à proposer un cadre de collecte jugé acceptable par ses propres équipes.

Éthique❧Opinion

Aussi sur01net

38

1900MIT Technology Review 

Les systèmes d'alerte IA cherchent à éviter les affrontements mortels avec les éléphants

L'Inde abrite environ 60 % des éléphants d'Asie sauvages dans le monde, et 80 % de leur habitat se trouve en dehors des zones protégées, selon le ministère indien de l'Environnement. Cette cohabitation forcée engendre des affrontements meurtriers : près de 3 000 êtres humains ont perdu la vie au cours des cinq dernières années, et plus de 1 000 éléphants ont été tués depuis 2014. Face à ce bilan dramatique, les services forestiers des États indiens, des ONG et des communautés locales développent, testent et déploient désormais une gamme de systèmes d'alerte basés sur l'intelligence artificielle. Ces dispositifs permettent de réduire les délais de prévention de plusieurs heures à quelques minutes, voire quelques secondes, là où les patrouilles terrestres traditionnelles échouaient à protéger villages et exploitations agricoles. L'enjeu est considérable pour des millions de paysans et de riverains qui vivent à la lisière des zones forestières. Les patrouilles classiques, en raison de leur lenteur, n'ont pas réussi à limiter les dégâts humains et matériels causés par les incursions d'éléphants. En accélérant drastiquement les alertes, ces systèmes d'IA offrent aux habitants un temps précieux pour se mettre en sécurité et aux autorités forestières une capacité de réaction inédite. Pour les éléphants également, une détection rapide réduit les risques de représailles létales de la part des populations locales, contribuant à préserver une espèce dont la population mondiale est déjà fragilisée. Cette initiative s'inscrit dans un contexte de pression croissante sur les habitats naturels en Inde, où la déforestation et l'expansion agricole réduisent les corridors de migration des éléphants, forçant ces derniers à traverser des zones de plus en plus peuplées. Les conflits homme-faune sont un problème structurel qui touche plusieurs États indiens, notamment l'Assam, le Tamil Nadu et le Jharkhand. La multiplication des technologies de surveillance intelligente, combinant caméras thermiques, capteurs acoustiques et algorithmes de détection, pourrait ouvrir la voie à une nouvelle génération d'outils de coexistence entre humains et grands mammifères sauvages, une approche que d'autres pays confrontés à des défis similaires pourraient adopter à leur tour.

Outils⚒Outil

1 source