Actualités IA — page 96

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

47

1901Next INpact 

Meta : les données du projet de surveillance des employés étaient accessibles en interne

Meta a suspendu son programme interne de surveillance des employés, baptisé Model Capability Initiative (MCI), après la découverte d'une faille de sécurité majeure. Lancé en avril 2026, cet outil enregistrait les mouvements de curseur, les clics, les frappes clavier et réalisait des captures d'écran périodiques sur les machines des salariés de l'entreprise. L'objectif affiché était de collecter des données comportementales pour entraîner les modèles d'intelligence artificielle de Meta, notamment pour améliorer les fonctionnalités d'agents IA. Le problème : les données ainsi récoltées se sont révélées accessibles à l'ensemble du personnel de l'entreprise. Business Insider a consulté des captures d'écran confirmant qu'il était possible d'accéder à des discussions privées, des données de performance et des transcriptions. Selon un avis de sécurité interne obtenu par Wired, les données de 45 000 tables Hive étaient exposées. Meta a classé l'incident au niveau 2 de son échelle de sévérité interne, dont le degré 0 représente la criticité maximale. L'exposition concerne des informations hautement sensibles. Des employés indiquent avoir eu accès depuis leur poste de travail à des données fiscales et médicales personnelles de leurs collègues, en violation directe des garanties formulées par l'entreprise lors du déploiement du programme. La réaction en interne a été vive : sur les canaux de messagerie interne, certains salariés ont exprimé leur colère ouvertement, l'un d'eux partageant un mème de la série The Office avec la pancarte « 0 jour depuis notre dernière bêtise ». Le CTO de Meta, Andrew Bosworth, a reconnu dans un message interne une mauvaise configuration des listes de contrôle d'accès (ACL) et annoncé une analyse complète des causes, incluant la traçabilité de chaque accès aux données compromises. Des employés réclament désormais qu'une réunion post-mortem soit organisée avec toutes les personnes concernées. Cette faille intervient dans un contexte déjà tendu autour du programme MCI. Dès son lancement, le projet avait suscité une fronde interne, contraignant Meta à introduire une fonctionnalité de pause de 30 minutes, insuffisante aux yeux de nombreux salariés qui réclamaient un bouton de désactivation complet. La suspension actuelle du programme, présentée comme temporaire le temps de l'enquête, ravive des questions plus larges sur les pratiques de collecte de données des grandes entreprises technologiques sur leurs propres employés au nom de l'entraînement de l'IA. Si Meta affirme ne pas avoir de preuve d'accès malveillant, l'incident illustre les risques concrets que font peser ces dispositifs massifs de collecte interne, et la difficulté à concilier ambitions en IA et respect élémentaire de la vie privée des travailleurs.

Éthique⚡Actu

1 source

50

1902FrenchWeb 

LINC lève 8,5 millions d’euros : pourquoi une nouvelle génération d’éditeurs tente de séduire les cabinets comptables avec l’IA

La startup française LINC vient de boucler une levée de fonds de 8,5 millions d'euros pour accélérer le déploiement de sa plateforme d'intelligence artificielle dédiée à la gestion de la paie dans les cabinets comptables. L'entreprise cible un marché massif : chaque mois, près de 22 millions de bulletins de salaire sont produits dans le secteur privé français, un volume colossal traité en grande partie par des experts-comptables et des gestionnaires de paie soumis à des obligations réglementaires parmi les plus complexes d'Europe. L'enjeu est considérable pour les professionnels du chiffre. La paie française concentre une densité exceptionnelle de règles : conventions collectives, cotisations sociales, prélèvement à la source, absences, heures supplémentaires, chaque bulletin peut mobiliser des dizaines de paramètres. Une erreur engage la responsabilité juridique du cabinet et de son client. En automatisant la vérification de conformité et en assistant les gestionnaires dans les cas complexes, LINC promet de réduire le temps de traitement et les risques d'erreur, tout en permettant aux cabinets d'absorber davantage de dossiers sans recruter. LINC s'inscrit dans une vague plus large de startups qui cherchent à moderniser les logiciels métiers des professions réglementées françaises, un secteur historiquement dominé par des acteurs comme Silae, Cegid ou Sage. La levée intervient alors que l'IA générative commence à prouver sa valeur dans des tâches à forte charge documentaire et réglementaire. Avec ce financement, la startup devrait renforcer son équipe commerciale et technique pour convaincre des cabinets souvent prudents face au changement d'outil, dont la migration représente un risque opérationnel réel.

Business⚡Actu

1 source

45

1903Next INpact 

« Tôt ou tard », les 700 000 livreurs de JD.com seront remplacés par des robots

Richard Liu, fondateur et président de JD.com, l'un des plus grands groupes de commerce en ligne en Chine, a déclaré lors du forum des PDG de l'APEC à Shenzhen que ses 700 000 livreurs seraient "tôt ou tard" remplacés par des robots. Sans fixer de calendrier précis, Liu a été catégorique : "Ce seront assurément des robots qui livreront les colis." Des projets pilotes sont déjà en cours sur le territoire chinois, livraison de repas directement aux portes d'embarquement de l'aéroport de Shenzhen, réapprovisionnement de supérettes via les trains de banlieue, posant les jalons d'une transition qui s'annonce massive. Pour accompagner cette mutation, JD.com prévoit d'activer un réseau de 120 établissements de formation afin de reconvertir ses livreurs vers les métiers de maintenance robotique. L'enjeu social est colossal. En Chine, l'économie des petits boulots, la "gig economy", mobilise 320 millions de travailleurs, soit environ 40 % de l'emploi urbain du pays, selon le centre de recherche chinois sur les nouvelles formes de travail. Les livreurs constituent une part significative de cette population précaire. Liu assure vouloir éviter que ses employés se retrouvent "sans revenus, sans emploi", en misisant sur la demande en techniciens chargés d'entretenir les flottes de robots. Mais la promesse de reconversion reste fragile : la maintenance robotique requiert des compétences techniques éloignées du profil des livreurs actuels, et le nombre de postes créés sera mécaniquement inférieur à celui des emplois supprimés. Ce mouvement dépasse largement les frontières chinoises. Amazon travaille depuis des années sur la livraison autonome : en 2019, le groupe américain testait déjà ses robots Scout dans un quartier de Seattle, et en mars dernier il a acquis Rivr, une startup suisse issue du laboratoire de robotique de l'ETH de Zurich, spécialisée dans le "dernier kilomètre" entre camion et client. Selon une enquête du New York Times publiée en octobre, Amazon vise à automatiser 75 % de ses opérations en entrepôt, ce qui lui permettrait d'éviter 600 000 nouvelles embauches d'ici 2033. La convergence entre les ambitions de JD.com et celles d'Amazon dessine une recomposition profonde de la logistique mondiale, où la question n'est plus de savoir si les robots remplaceront les livreurs humains, mais à quelle vitesse les régulations sociales et les dispositifs de reconversion parviendront, ou échoueront, à absorber le choc.

Robotique❧Opinion

1 source

50

1904AI News 

Les principales agences de renseignement alertent : les cybermenaces de l'IA vous affecteront d'ici quelques mois

Le 22 juin 2026, les responsables de la cybersécurité des cinq pays membres de l'alliance Five Eyes, États-Unis, Royaume-Uni, Canada, Australie et Nouvelle-Zélande, ont publié un avertissement conjoint d'une rare sévérité : les prochains modèles d'intelligence artificielle vont démultiplier les capacités offensives des hackers dans un délai de quelques mois. Le briefing cite nommément des modèles en développement, notamment "GPT-5.5-Cyber" d'OpenAI et "Mythos" d'Anthropic, comme exemples de systèmes susceptibles d'abaisser radicalement le seuil de compétence technique nécessaire pour mener des cyberattaques sophistiquées. Des agents automatisés sont désormais capables de scanner en continu les infrastructures connectées à internet, d'identifier des vulnérabilités logicielles et de les exploiter en quelques minutes, avant même que les équipes humaines n'aient pu déployer un correctif. Les conséquences dépassent largement le seul périmètre des grandes entreprises. Pour les utilisateurs ordinaires, l'accélération de ces intrusions automatisées se traduit directement par le vol de données personnelles : mots de passe enregistrés, sauvegardes cloud, informations bancaires. Plus inquiétant encore, les modèles de langage sont désormais utilisés pour générer des campagnes de phishing hyper-personnalisées à grande échelle. Ces systèmes analysent les profils publics sur les réseaux sociaux pour rédiger des messages d'hameçonnage indétectables, en français parfait, adaptés à chaque cible. La région Asie-Pacifique paie déjà un tribut lourd : l'Inde a enregistré une hausse de 165 % des incidents de ransomware au début de l'année 2026, directement attribuée au ciblage assisté par IA. Le Forum économique mondial rapporte que 94 % des dirigeants d'entreprise identifient l'IA comme leur principal vecteur de menace, tandis que deux organisations sur trois souffrent de pénuries critiques en talents cybersécurité. Cette évolution s'inscrit dans une course à l'armement numérique qui s'accélère depuis plusieurs années, mais dont le rythme vient de franchir un palier. Les défenseurs humains ne peuvent plus rivaliser avec des attaquants automatisés capables d'exploiter une faille en quelques minutes là où un cycle de correction traditionnel prend des jours. L'alliance Five Eyes préconise en réponse le déploiement massif de défenses elles-mêmes automatisées, des modèles d'IA capables de détecter les comportements anormaux et d'isoler les intrusions en temps réel. Pour les particuliers, les recommandations sont simples mais désormais non négociables : activer l'authentification à deux facteurs sur tous les comptes sensibles et supprimer les comptes en ligne inutilisés, qui constituent autant de portes d'entrée pour les attaques automatisées. La menace n'est plus théorique ; elle est calendée.

Sécurité❧Opinion

1 source

45

1905Le Big Data 

Les avocats en sueur : une IA vient de gagner son premier procès !

Au Royaume-Uni, une consultante indépendante en ressources humaines vient de remporter un procès en recouvrement de créances avec l'aide de l'intelligence artificielle, une première juridique qui a immédiatement retenu l'attention du monde du droit. Pour récupérer une dette impayée de 7 000 livres sterling, elle a fait appel à Garfield AI, un cabinet juridique automatisé agréé par la Solicitors Regulation Authority depuis avril 2025. Pour environ 400 livres, la plateforme a pris en charge la totalité de la préparation du dossier : rédaction des arguments, constitution des pièces, envoi de la mise en demeure, lancement de la procédure. Un avocat humain, Dominic Li, a ensuite assuré la plaidoirie devant le tribunal, s'appuyant sur des documents qu'il a lui-même qualifiés de clairs et bien structurés. Le juge a tranché en faveur de la consultante, ordonnant le remboursement de la somme due. Ce cas illustre un angle souvent négligé de l'essor de l'IA juridique : l'accès à la justice pour les petites structures et les indépendants. La consultante avait elle-même envisagé d'abandonner ses poursuites, découragée par la complexité et les délais d'un système perçu comme hostile aux non-initiés. Philip Young, cofondateur de Garfield AI, souligne que c'est précisément ce public que vise la plateforme, qui traite des demandes comprises entre 30 et 10 000 livres, des montants pour lesquels les honoraires d'un cabinet traditionnel rendraient toute action en justice économiquement absurde. Pour des millions de micro-entreprises et de freelances européens confrontés à des impayés, ce modèle pourrait redistribuer un accès au droit jusqu'ici réservé à ceux qui peuvent se payer des avocats. Ce précédent intervient dans un climat ambivalent au Royaume-Uni autour de l'IA dans le secteur juridique. Si l'intérêt des cabinets pour ces outils est réel, plusieurs incidents récents, dont des hallucinations factuelles dans des conclusions déposées en justice, ont conduit les instances de régulation et les juges à maintenir une surveillance étroite sur leur usage. L'affaire Garfield AI ne remet pas en cause cet équilibre : la société reste cantonnée à la préparation en amont, laissant la salle d'audience aux professionnels humains. Dominic Li l'a rappelé explicitement, insistant sur le fait que la prise de décision en temps réel face au juge reste un exercice irréductiblement humain. La question qui s'ouvre désormais est celle du périmètre : jusqu'où ces outils pourront-ils intervenir avant de franchir une ligne réglementaire, et quels nouveaux acteurs tenteront de repousser cette frontière.

Outils⚒Outil

1 source

44

1906Le Big Data 

Micron et Anthropic s’allient pour renforcer l’infrastructure IA de nouvelle génération

Micron Technology et Anthropic ont annoncé le 22 juin 2026 un accord stratégique multidimensionnel qui couvre quatre axes : la co-conception d'architectures de mémoire et de stockage optimisées pour l'IA, un contrat d'approvisionnement à long terme portant sur l'ensemble du portefeuille de solutions pour centres de données de Micron, le déploiement interne de Claude dans les équipes de Micron, et une participation financière du fabricant de semi-conducteurs au tour de financement Série H d'Anthropic. Les deux entreprises travailleront conjointement sur les technologies de mémoire HBM (High Bandwidth Memory), les modules DRAM haute performance et les SSD destinés aux data centers, ces composants étant au cœur des infrastructures utilisées pour entraîner et faire tourner les modèles Claude. Tom Brown, cofondateur d'Anthropic et responsable des ressources de calcul, a souligné que la mémoire et le stockage jouent désormais un rôle central dans l'efficacité des systèmes d'entraînement et d'inférence de l'entreprise. L'accord illustre un changement de paradigme dans l'industrie de l'IA : les performances d'un modèle dépendent autant de l'infrastructure matérielle sous-jacente que des avancées algorithmiques. Si les GPU concentrent souvent l'attention, la capacité à les alimenter en données à très haute vitesse est devenue un facteur déterminant pour les coûts, les performances et la consommation énergétique des infrastructures à grande échelle. En optimisant directement les sous-systèmes mémoire utilisés par Anthropic, les deux partenaires cherchent à réduire le coût unitaire de chaque requête traitée par Claude, un levier concurrentiel décisif à mesure que le marché de l'IA générative se masse-marketise. L'accord d'approvisionnement sécurise par ailleurs la croissance d'Anthropic sur plusieurs années, limitant les risques de pénurie de composants critiques dans un marché en tension. Ce partenariat s'inscrit dans une stratégie plus large d'Anthropic visant à consolider ses fondations matérielles face à l'accélération de la demande autour de Claude. Reuters relevait récemment qu'Anthropic a multiplié les accords destinés à renforcer ses capacités de calcul, au moment même où le laboratoire enchaîne les levées de fonds record pour rivaliser avec OpenAI et Google DeepMind. Pour Micron, l'opération représente une opportunité de positionner ses technologies HBM comme composants de référence dans les futures générations d'infrastructure IA, un marché en croissance explosive. La collaboration technique directe avec un laboratoire de premier plan lui permet d'anticiper les besoins des prochains modèles et d'adapter son offre bien en amont, transformant un client potentiel en co-développeur.

Infrastructure❧Opinion

1 source

43

1907MarkTechPost 

Prime Intellect publie prime-rl 0.6.0 pour entraîner des modèles MoE à mille milliards de paramètres sur des tâches RL à base d'agents

Prime Intellect a publié la version 0.6.0 de son framework open source prime-rl, conçu pour entraîner des modèles de langage de très grande taille via du reinforcement learning asynchrone. Cette mise à jour majeure cible spécifiquement les modèles Mixture-of-Experts (MoE) à l'échelle du trillion de paramètres, avec un focus sur des tâches dites "agentiques" longues et complexes, comme la résolution autonome de bugs logiciels. Pour illustrer les capacités du framework, l'équipe a entraîné GLM-5, le modèle de l'organisation zai-org, sur des tâches d'ingénierie logicielle (SWE) avec des séquences allant jusqu'à 131 000 tokens. Résultat : des temps d'étape inférieurs à cinq minutes, des batchs de 256 rollouts, le tout sur seulement 28 noeuds H200, une efficacité matérielle remarquable pour cette classe de modèles. Le framework est également compatible avec d'autres modèles MoE massifs comme Kimi-K2.7-Code de Moonshot AI ou le Nemotron-3-Ultra-550B de NVIDIA. Ce type d'infrastructure répond à un problème concret du reinforcement learning à grande échelle : les tâches agentiques génèrent des "outliers" temporels, certains rollouts de code pouvant s'étirer sur plusieurs heures. Dans un système synchrone classique, les GPU restent à l'arrêt en attendant la fin de ces longues exécutions avant chaque mise à jour de politique. prime-rl résout ce goulot d'étranglement en découplant complètement le moteur d'inférence du moteur d'entraînement : les deux fonctionnent et scalent indépendamment, avec un unique point de synchronisation au moment de la mise à jour des poids. Côté inférence, le système combine calcul en FP8 avec les kernels DeepEP et DeepGEMM, un "Wide Expert Parallelism" répartissant les experts sur 32 GPU ou plus, une séparation des workers de prefill et de decode, et un système de gestion hiérarchique du cache KV avec offloading vers CPU ou disque. Le mécanisme "Router Replay" (R3) est particulièrement notable : il rejoue les décisions de routage de l'inférence directement sur le trainer, réduisant le décalage KL d'un ordre de grandeur. Cette publication s'inscrit dans une course à la scalabilité du post-training par RL, accélérée par le succès des modèles de raisonnement comme DeepSeek-R1 ou les modèles de la série o1 d'OpenAI. L'approche MoE est devenue centrale pour atteindre des capacités de niveau "trillion de paramètres" sans exploser les coûts de calcul à l'inférence, mais elle impose des contraintes d'orchestration redoutables, notamment la coordination des experts entre des dizaines de GPU. Prime Intellect, qui se positionne sur l'entraînement distribué open source, mise sur prime-rl pour démocratiser l'accès à ces techniques jusqu'ici réservées aux grands laboratoires disposant de clusters propriétaires. La compatibilité avec Slurm et des routeurs comme NVIDIA Dynamo suggère une orientation claire vers des déploiements en production à l'échelle industrielle.

Infrastructure❧Opinion

1 source

35

1908VentureBeat AI 

Un POC tolère un pipeline de données fragile, l'IA en production non

Lorsqu'une entreprise fait passer un projet d'IA d'une phase pilote à un déploiement en production, c'est souvent l'infrastructure réseau qui craque en premier. Les architectures point à point, dans lesquelles un client S3 se connecte directement au stockage S3, tiennent la route dans des conditions de démonstration contrôlées, mais s'effondrent dès que le trafic devient soutenu et concurrent. Paul Pindell, architecte solutions principal chez F5, l'explique sans détour : si un seul nœud de stockage tombe, l'ensemble du trafic vers le cluster se dégrade, et dans certains cas le cluster entier peut cesser de fonctionner. Les effets en cascade sont immédiats : les pipelines d'inférence se bloquent, les systèmes de RAG (récupération augmentée de génération) perdent l'accès à des données actualisées, et les GPU restent inutilisés pendant que les délais s'accumulent. Ces pannes ont un coût business concret. Quand un pipeline d'inférence se fige, c'est un engagement de niveau de service qui est violé et une expérience client qui se dégrade. Quand un système RAG ne reçoit plus ses données à temps, le modèle génère des réponses imprécises, obsolètes ou hallucinées, exposant l'entreprise à des risques opérationnels, réglementaires et réputationnels. Parallèlement, les GPU sous-utilisés font grimper les coûts d'infrastructure sans produire de valeur. Tanu Mutreja, directrice senior produit chez F5, résume l'enjeu pour les dirigeants : la vraie question n'est pas de savoir si l'on a des GPU suffisants, mais si l'infrastructure bout-en-bout est capable de délivrer des expériences IA fiables, sécurisées et gouvernées à des coûts unitaires viables. Face à ce problème, F5 défend l'idée que la livraison des données doit devenir une couche d'infrastructure à part entière, au même titre que la livraison d'applications l'a été pour les requêtes web. Cette couche repose sur trois propriétés : l'observabilité en temps réel des latences, débits et états des flux ; la programmabilité, qui permet de piloter dynamiquement le routage, d'optimiser le trafic et d'automatiser le basculement en cas de défaillance ; et une conception résiliente aux pannes, pensée dès le départ pour l'environnement de production plutôt qu'adaptée après coup. Hunter Smit, responsable marketing produit chez F5, souligne que les organisations qui réussissent à opérationnaliser l'IA sont celles qui construisent leur infrastructure pour absorber les défaillances réelles, et non les conditions idéales d'un pilote. Avec la montée en puissance des architectures agentiques et des systèmes RAG à grande échelle, ce débat sur le chemin des données entre stockage et calcul est appelé à s'intensifier.

Infrastructure⚡Actu

1 source

38

1909MarkTechPost 

GLM-5.2 : guide pratique de l'API compatible OpenAI, raisonnement, appels de fonctions et récupération longue durée

Zhipu AI a mis à disposition une API hébergée pour son modèle GLM-5.2, entièrement compatible avec les clients OpenAI, permettant aux développeurs d'accéder au modèle sans avoir à l'exécuter localement. L'API est disponible via cinq fournisseurs distincts : la plateforme native z.ai, OpenRouter, Together AI, Requesty et HuggingFace, tous accessibles avec la bibliothèque Python openai standard. La tarification s'établit à 1,40 dollar par million de tokens en entrée et 4,40 dollars par million de tokens en sortie. Le modèle propose un contrôle fin du niveau de raisonnement via un paramètre reasoningeffort avec trois niveaux (désactivé, high, max), ainsi qu'un mode "thinking" qui expose la trace de raisonnement interne du modèle avant la réponse finale. Le tutoriel couvre l'ensemble du spectre fonctionnel : chat de base, raisonnement en streaming, appel de fonctions, agent à outils, sortie JSON structurée, récupération longue-contexte et estimation de coût à la volée. La compatibilité OpenAI de GLM-5.2 est sa proposition de valeur centrale : un développeur qui utilise déjà GPT-4o ou Claude via l'API d'Anthropic peut basculer vers GLM-5.2 en changeant uniquement l'URL de base et la clé API, sans réécrire son code. Le contrôle du niveau de raisonnement représente un avantage concret par rapport aux modèles qui imposent un mode de réflexion unique : les tâches simples peuvent être traitées rapidement et à moindre coût avec le mode désactivé, tandis que les problèmes complexes mobilisent la pleine capacité de raisonnement. L'exposition de la trace de pensée (reasoningcontent) dans la réponse est également utile pour le débogage ou pour construire des interfaces qui montrent le raisonnement du modèle à l'utilisateur final. GLM-5.2 s'inscrit dans la vague de modèles chinois à raisonnement avancé qui rivalisent désormais frontalement avec les offres américaines, notamment DeepSeek-R1 et Qwen de Alibaba, sur les benchmarks de raisonnement mathématique et logique. La décision de Zhipu AI de proposer une API compatible OpenAI reflète une stratégie d'adoption agressive : plutôt que de demander aux développeurs d'apprendre une nouvelle interface, le modèle s'intègre dans les outils existants. La disponibilité sur des agrégateurs comme OpenRouter et HuggingFace élargit encore l'accès, particulièrement en dehors de la Chine. À mesure que la concurrence entre fournisseurs de modèles s'intensifie, la compatibilité d'API et la transparence du raisonnement deviennent des critères de sélection aussi importants que les performances brutes sur les benchmarks.

LLMs≡Tuto

1 source

49

1910Le Big Data 

GPT-5.5-Cyber signe un score record en cybersécurité : le nouveau rival de Mythos ?

OpenAI a publié le 22 juin 2026 GPT-5.5-Cyber, un modèle spécialisé en cybersécurité qui décroche un score de 85,6 % sur le benchmark CyberGym, développé par l'Université de Californie à Berkeley. Ce résultat lui permet de dépasser Mythos 5, le modèle d'Anthropic considéré jusqu'ici comme la référence du secteur, qui plafonne à 83,8 %. CyberGym n'est pas un test académique ordinaire : il s'appuie sur 1 507 vulnérabilités réelles issues de 188 projets open source, et évalue la capacité d'un modèle à détecter une faille, en comprendre l'origine et proposer un correctif adapté. Les versions précédentes de GPT-5.5 et Claude Opus 4.1 restent en retrait sur ce benchmark. L'écart de deux points entre GPT-5.5-Cyber et Mythos 5 reste modeste, mais il prend une signification particulière dans un domaine où chaque amélioration se traduit concrètement par des failles détectées ou manquées. OpenAI insiste sur le caractère strictement défensif du modèle : il ne sert pas à automatiser des attaques, mais à accompagner les équipes de sécurité dans des tâches répétitives et chronophages, suivre l'origine d'un code vulnérable, vérifier si une faille est exploitable, préparer les éléments pour une validation humaine. L'enjeu est de libérer les experts de l'analyse de bas niveau pour qu'ils se concentrent sur les décisions à haute valeur ajoutée. Le timing est également notable : Anthropic traverse une période de turbulences après que l'administration Trump a bloqué l'accès à ses modèles hors des États-Unis, ce qui fragilise temporairement la position de Mythos 5 sur le marché mondial. Cette annonce s'inscrit dans une stratégie plus large d'OpenAI autour de sa plateforme Daybreak, dédiée à la sécurisation des logiciels. La société y ajoute un plugin Codex Security pour détecter, valider et corriger des vulnérabilités directement dans Codex, ainsi qu'un Cyber Partner Program permettant à des entreprises spécialisées comme IBM d'intégrer GPT-5.5-Cyber dans leurs propres produits via un accès contrôlé. OpenAI poursuit également son initiative Patch the Planet, visant à aider les mainteneurs de logiciels open source à colmater des failles à grande échelle. La bataille des modèles spécialisés en cybersécurité s'intensifie donc sur deux fronts simultanément : la performance brute sur les benchmarks, et l'écosystème d'intégration qui détermine qui, concrètement, accède à ces capacités dans les outils professionnels du quotidien.

Sécurité❧Opinion

1 source

48

1911Latent Space 

SpaceX est déjà un fournisseur cloud de 28 milliards de dollars par an

SpaceX vient de signer un troisième contrat de location de GPU, cette fois avec la startup Reflection AI, s'ajoutant aux accords déjà connus avec Anthropic et Google. L'analyste Jamin Ball a compilé les chiffres : les trois contrats totalisent 2,32 milliards de dollars par mois, à plus de 10 dollars de l'heure pour des GPU Blackwell de Nvidia. Annualisé, ce montant atteint 28 milliards de dollars par an, soit environ le double du revenu actuel de Coreweave, le spécialiste du cloud GPU introduit en bourse il y a un an pour une valorisation de 60 milliards. Baseten, de son côté, a officialisé une levée de fonds de 13 milliards de dollars en Série F, confirmant l'appétit massif des investisseurs pour l'infrastructure d'IA. L'émergence de SpaceX comme fournisseur cloud de premier plan redistribue les cartes dans un marché jusqu'ici dominé par AWS, Azure et Google Cloud. Le fait qu'Anthropic et Google, concurrents directs sur le terrain des modèles, louent simultanément de la capacité chez SpaceX révèle une pénurie structurelle de GPU Blackwell que les hyperscalers peinent à absorber seuls. Pour les startups d'IA, cette nouvelle offre réduit la dépendance à un fournisseur unique et pourrait, à terme, peser sur les tarifs. Le tarif actuel, supérieur à 10 dollars de l'heure, reste néanmoins très élevé, signe que la demande dépasse largement l'offre disponible sur le marché. Cette percée de SpaceX s'inscrit dans un moment de transformation accélérée de l'ensemble de l'écosystème. OpenAI a étendu son programme Daybreak avec le lancement de GPT-5.5-Cyber, un modèle dédié à la cybersécurité déjà revendiqué comme état de l'art sur le benchmark CyberGym, accompagné d'un plugin Codex Security couvrant plus de 30 millions de commits et 30 000 dépôts, avec pour ambition de passer de la simple détection de vulnérabilités à leur correction automatisée en boucle fermée. Sakana AI a de son côté lancé Fugu, une couche d'orchestration qui sélectionne et combine dynamiquement plusieurs modèles frontier via une API unique, rapidement intégrée par Vercel dans son AI Gateway. Les benchmarks présentés ont toutefois suscité une vive controverse, des observateurs pointant des baselines opaques, l'absence de comptabilisation des coûts et un retard d'environ dix points sur Opus dans SWE-Bench Pro. La question de qui manque encore à la liste des clients de SpaceX, notamment Meta ou Microsoft, reste posée et pourrait bien définir la prochaine vague de contrats.

Infrastructure❧Opinion

1 source

41

1912FrenchWeb 

L’IA entre dans les fonds : pourquoi la question n’est plus la productivité mais la gouvernance

L'intelligence artificielle s'impose désormais comme un sujet de gouvernance au sein des fonds de capital-risque, et non plus seulement comme un outil d'efficacité opérationnelle. C'est le constat central de cette troisième analyse publiée par FW.MEDIA dans sa série consacrée à l'IA dans l'industrie du venture capital. Après avoir examiné les raisons pour lesquelles les fonds doivent se saisir du sujet et les risques liés à une posture attentiste, puis avoir passé en revue les usages concrets et les outils disponibles, la réflexion entre désormais dans une phase plus structurelle : comment encadrer, piloter et responsabiliser l'usage de l'IA au sein de ces organisations. L'enjeu n'est plus de démontrer que l'IA peut faire gagner du temps à un analyste ou automatiser la veille sur les startups du portefeuille. Il s'agit maintenant de savoir qui décide des cas d'usage autorisés, comment protéger les données confidentielles des LP et des sociétés en portefeuille, et qui porte la responsabilité en cas d'erreur algorithmique dans un processus d'investissement. Pour des acteurs qui gèrent des flux d'information hautement sensibles et des décisions à fort impact financier, ces questions de gouvernance deviennent critiques. Ce tournant reflète une maturité croissante du secteur face à l'IA : la phase d'expérimentation tactique cède la place à une intégration stratégique. Les fonds pionniers ont testé, les résultats ont convaincu, et la pression des LP pour une adoption raisonnée se fait plus forte. La prochaine bataille se jouera sur les politiques internes, les audits et la traçabilité des décisions augmentées par l'IA.

Éthique❧Opinion

1 source

41

1913NVIDIA AI Blog 

NVIDIA déploie des agents IA fiables pour les opérations télécoms en continu

NVIDIA présente cette semaine à Copenhague, lors du TM Forum DTW Ignite 2026, une plateforme d'autonomie pour les opérateurs télécom, réunissant plusieurs partenaires industriels majeurs autour d'agents d'intelligence artificielle capables de gérer des réseaux en continu et sans intervention humaine systématique. Parmi les partenaires impliqués figurent SoftBank Corp., Amdocs, NTT DATA et AdaptKey. Les briques technologiques démontrées incluent NVIDIA NeMo Safe Synthesizer et NeMo Anonymizer pour la génération de données synthétiques, ainsi que NemoClaw et OpenShell pour le déploiement sécurisé d'agents autonomes. SoftBank utilise ces outils pour constituer des jeux de données synthétiques qui reflètent la structure de ses données réseau réelles, sans exposer d'informations sensibles, afin d'entraîner un grand modèle télécom propriétaire. AdaptKey pilote des agents capables de détecter des problèmes de sécurité et de connectivité sur des réseaux 5G, puis de soumettre des demandes de correction auditables couvrant le coeur de réseau, le RAN et les systèmes de facturation. Amdocs, de son côté, déploie des agents proactifs pour la relation client, notamment pour détecter les abonnés dont le forfait itinérance approche de son plafond et leur proposer automatiquement des options validées par l'opérateur. Ce passage vers l'autonomie représente un saut qualitatif par rapport à l'automatisation classique, qui se limitait jusqu'ici à accélérer des étapes prédéfinies tout en laissant aux humains la corrélation des informations et les décisions. Les agents autonomes de nouvelle génération sont conçus pour tenir des tâches complexes de bout en bout, sous contraintes de niveaux de service, de politiques de changement et de réglementations strictes. Pour les opérateurs, cela signifie des réseaux capables de se réparer seuls, une relation client prise en charge en temps réel et des migrations de systèmes de facturation orchestrées intelligemment selon l'éligibilité de chaque compte client, sans mobiliser d'équipes entières pour chaque décision. Le chemin vers ces réseaux autonomes se heurtait jusqu'ici à un obstacle majeur : 54 % des opérateurs identifient les problèmes liés aux données comme leur principal frein, les données réseau et clients les plus précieuses étant trop sensibles pour alimenter directement les modèles d'IA. La génération de données synthétiques permet de contourner cette contrainte en produisant des datasets représentatifs sans exposer les enregistrements bruts. Par ailleurs, la question de la gouvernance reste centrale : les agents NemoClaw et OpenShell opèrent dans des environnements bac à sable, avec des garde-fous basés sur des politiques, pour garantir que leur comportement reste prévisible et auditable. La démonstration de Copenhague intervient dans un contexte où la course aux réseaux autonomes s'accélère, avec des enjeux considérables pour la fiabilité des infrastructures critiques et la capacité des opérateurs à proposer des services à valeur ajoutée pilotés par l'IA.

Outils⚡Actu

1 source

35

1914Le Big Data 

Créez des vidéos de foot virales gratuitement avec l’IA (Chaîne Youtube sur la Coupe du Monde 2026)

Un tutoriel publié sur YouTube et relayé par LeBigData.fr démontre qu'il est désormais possible de produire des vidéos virales sur la Coupe du Monde 2026 sans budget ni compétences en montage, en s'appuyant exclusivement sur des outils gratuits d'intelligence artificielle. Le workflow présenté s'articule autour de cinq plateformes enchaînées : ChatGPT génère en quelques secondes un plan complet incluant les prompts d'images, le script de voix off et le découpage scène par scène. Les visuels sont ensuite produits via Nano Banana 2 sur Flow AI ou Piclumen, qui offre une vingtaine de crédits gratuits par jour. La plateforme Wan anime ces images en séquences vidéo fluides, et CapCut assure le montage final avec voix off et musique. Ce type de contenu représente une rupture concrète dans la création vidéo grand public. Ce qui nécessitait auparavant une équipe de production, un logiciel payant comme Premiere Pro ou After Effects, et plusieurs heures de travail peut désormais être accompli par n'importe quel débutant en moins d'une heure. Pour les créateurs de contenu indépendants, les petits médias ou les passionnés de sport, l'accès à un pipeline de production professionnel sans investissement financier change radicalement les règles du jeu sur des plateformes comme YouTube ou TikTok, où la vitesse de publication et le volume de contenu sont déterminants. Ce tutoriel s'inscrit dans une vague plus large d'outils génératifs qui démocratisent la production audiovisuelle. Des plateformes comme Runway, Pika ou Sora d'OpenAI ont ouvert la voie à la génération vidéo par IA, mais restent souvent payantes ou en accès limité. La combinaison d'outils gratuits présentée ici constitue une alternative crédible et immédiatement utilisable. Avec la Coupe du Monde 2026 qui se déroulera aux États-Unis, au Canada et au Mexique à partir du 11 juin, l'événement représente une opportunité massive pour les créateurs cherchant à capter une audience sportive mondiale, et les outils IA pourraient y jouer un rôle inédit dans la production de contenu amateur à grande échelle.

Création≡Tuto

1 source

39

1915FrenchWeb 

Pourquoi les meilleurs cas d’usage IA émergent désormais des métiers

Chez Deel, spécialiste des ressources humaines et de la paie internationale, les premières automatisations IA à avoir été massivement adoptées par les équipes ne sont pas nées de grands projets informatiques pilotés par la DSI. Ce sont des initiatives modestes, portées directement par les métiers, qui ont transformé le quotidien des collaborateurs sans attendre une feuille de route technologique formelle. Ce constat illustre une tendance de fond : les cas d'usage IA les plus efficaces sont souvent ceux qui résolvent un problème concret et immédiat pour un utilisateur précis, plutôt que ceux qui cherchent à démontrer la puissance d'un modèle ou à justifier un investissement technologique. Quand un commercial automatise la rédaction de ses comptes-rendus, ou qu'une équipe juridique accélère la revue de contrats, l'adoption est spontanée parce que le bénéfice est immédiatement perceptible. Cette dynamique bottom-up remet en question le modèle traditionnel de déploiement technologique dans les grandes entreprises, où les décisions viennent d'en haut et peinent à atteindre le terrain. Pour les directions, le défi est désormais de canaliser ces initiatives dispersées, d'en extraire les meilleures pratiques et de les industrialiser sans en étouffer la créativité. Dans un contexte où les outils IA grand public sont accessibles à tous, les entreprises qui sauront orchestrer cette intelligence collective auront une longueur d'avance sur celles qui attendent une stratégie centralisée.

Société❧Opinion

1 source

45

1916Apple Machine Learning 

Neuf juges, deux votes effectifs : les erreurs corrélées fragilisent les panels d'évaluation des LLM

Une nouvelle étude remet en question la fiabilité des panels de juges LLM, une pratique de plus en plus répandue pour évaluer la qualité des sorties de modèles de langage. Les chercheurs ont testé un panel de neuf modèles de pointe issus de sept familles différentes sur trois jeux de données d'inférence en langage naturel, chacun annoté par 100 humains. Leur conclusion est sans appel : ces neuf juges ne fournissent en réalité que l'équivalent d'environ deux votes indépendants en termes d'information utile. Ce résultat a des implications directes pour l'industrie de l'IA, qui s'appuie massivement sur ces panels pour évaluer et comparer les modèles à grande échelle. L'idée était que multiplier les modèles évaluateurs permettait de réduire les biais individuels et d'obtenir des jugements plus robustes. Or, les trois quarts de l'indépendance nominale du panel s'évaporent en raison d'erreurs corrélées : les modèles partagent des angles morts systématiques, probablement issus de données d'entraînement et d'architectures similaires, et échouent souvent sur les mêmes exemples. Cette recherche s'inscrit dans une remise en cause plus large de la méthode LLM-as-a-judge, popularisée comme alternative peu coûteuse à l'évaluation humaine. Des travaux précédents avaient déjà signalé des biais de position ou de verbosité dans ces juges automatiques. La nouvelle contribution est de quantifier précisément la perte d'information indépendante, outillant ainsi les équipes de recherche pour concevoir des panels d'évaluation plus efficaces, potentiellement en privilégiant la diversité architecturale réelle plutôt que le simple nombre de modèles.

Recherche❖Paper

1 source

48

1917Latent Space 

Red-Teaming après Mythos : Zico Kolter et Matt Fredrikson, Gray Swan

Zico Kolter, membre du conseil d'administration d'OpenAI au sein du comité Sécurité et Sûreté, et Matt Fredrikson, professeur à Carnegie Mellon University et PDG de la startup Gray Swan, ont accordé un long entretien au podcast AI Engineer pour dresser l'état de l'art du red-teaming en intelligence artificielle. La discussion intervient dans un contexte particulier : le gouvernement américain a récemment émis une directive de contrôle à l'exportation visant les modèles Mythos et Fable, propulsant sur le devant de la scène les risques de jailbreaks et d'injection de prompts indirects. Gray Swan, que les deux cofondateurs dirigent ensemble, avait été cité comme autorité de référence dans la fiche technique du modèle Mythos, ayant directement investigué les capacités aujourd'hui sous scrutin. Leur entreprise a notamment développé Shade, l'outil de red-teaming adversarial utilisé par Anthropic pour évaluer la robustesse de ses modèles face aux attaques par injection de prompts dans les environnements de développement, ainsi que Cygnal, un produit de guardrails pour agents IA, et la plus grande arène communautaire de red-teaming au monde. L'enjeu central que soulèvent Kolter et Fredrikson est que la sécurité de l'IA ne se réduit pas à de la cybersécurité traditionnelle augmentée : les agents IA introduisent une catégorie entièrement nouvelle de vulnérabilités. L'injection de prompts indirects, par exemple, permet à un attaquant de compromettre un agent comme Claude Code ou Codex en lui faisant traiter des données non fiables contenant des instructions malveillantes, qui peuvent ensuite conduire à l'exfiltration de données privées. Cette combinaison, baptisée la « trilogie létale » par Simon Willison, données non fiables, données sensibles et vecteur d'exfiltration, représente un risque systémique pour tout déploiement enterprise. Et contrairement à l'intuition dominante, les modèles plus grands ne sont pas automatiquement plus robustes : la mise à l'échelle n'est pas un antidote à ces vulnérabilités. Fait frappant, les modèles de red-teaming spécialisés développés par Gray Swan surpassent désormais les humains dans leur capacité à briser d'autres systèmes d'IA. Le cadre conceptuel que propose Gray Swan est celui des « cygnes gris » : des événements peu probables mais clairement prévisibles avant qu'ils ne surviennent. La première grande intrusion par injection de prompts en conditions réelles est, selon eux, probablement inévitable. Ce qui rend le moment actuel critique, c'est la convergence entre la montée en puissance des agents autonomes, les nouvelles exigences réglementaires et l'émergence d'un marché de l'assurance et de la conformité spécifique à l'IA. La question de l'identité native des agents, la gestion fine de leurs permissions en environnement enterprise, et la capacité à faire attaquer, défendre et interpréter les systèmes d'IA par d'autres systèmes d'IA dessinent les contours d'un champ disciplinaire encore naissant, mais dont les enjeux industriels et sociétaux sont déjà considérables.

Sécurité❧Opinion

1 source

44

1918MarkTechPost 

xAI lance /goal dans Grok Build : exécution autonome longue durée avec vérification intégrée pour les tâches de codage en plusieurs étapes

xAI a lancé une nouvelle fonctionnalité baptisée /goal au sein de Grok Build, son agent de codage en ligne de commande. Le mode cible l'exécution autonome de tâches longues et complexes : l'utilisateur soumet un objectif en une seule ligne, par exemple "Migrate the auth module to the new API", et l'agent prend en charge l'ensemble du processus sans supervision à chaque étape. Grok Build planifie une approche, la décompose en une liste de tâches visible, puis exécute chaque point séquentiellement. Une fois l'objectif atteint, le panneau bascule sur "Complete" et chaque élément apparaît comme coché. L'utilisateur peut continuer à transmettre des instructions pendant l'exécution, ou piloter la session via les commandes status, pause, resume et clear. L'accès nécessite un abonnement SuperGrok ou X Premium Plus, et le CLI s'installe via une commande curl en une ligne. Ce qui distingue /goal d'un simple agent d'édition de fichiers, c'est l'intégration native de la vérification. L'agent ne s'arrête pas après avoir écrit du code : il continue jusqu'à ce que la tâche soit réalisée et validée. Cette vérification peut prendre trois formes concrètes : relecture du code produit, inspection de pages web pour confirmer le comportement attendu, ou exécution de scripts de test. Ce mécanisme répond à l'une des limites les plus critiquées des agents autonomes, la tendance à déclarer une tâche terminée avant que le résultat ne soit réellement fonctionnel. Pour les développeurs, cela transforme la relation au travail délégué, notamment sur des tâches mécaniques mais étendues : migration de services, ajout d'endpoints, mise à jour de dépendances, portage de configurations sur plusieurs fichiers. Grok Build est l'outil de développement d'xAI, la société d'Elon Musk fondée en 2023, et embarque déjà plusieurs fonctionnalités orientées agents : un mode plan qui bloque les modifications jusqu'à validation explicite, des sous-agents spécialisés travaillant en parallèle, et la compatibilité native avec le protocole MCP (Model Context Protocol), qui permet aux agents de se connecter à des outils et sources de données externes. /goal s'inscrit dans une compétition intense entre les grands acteurs du codage assisté, que ce soit Cursor, GitHub Copilot, Anthropic avec Claude Code ou Google avec Gemini, tous engagés dans une course à l'autonomie fiable sur des tâches longues. La vraie bataille ne porte plus sur la qualité d'une réponse unique, mais sur la capacité à mener à bien une tâche entière, sans supervision constante, et surtout en sachant s'arrêter au bon moment.

Outils⚒Outil

1 source

50

1919VentureBeat AI 

Le modèle vidéo IA d'Alibaba grimpe à la 2e place mondiale, pendant que Sora d'OpenAI et Seedance de ByteDance reculent

Alibaba Cloud a lancé dimanche HappyHorse 1.1, une mise à jour majeure de son modèle de génération vidéo par intelligence artificielle, désormais disponible sur Alibaba Cloud Model Studio avec accès API complet pour les entreprises et les développeurs. Pour marquer le lancement, la plateforme propose une réduction de 40 % pendant deux semaines. Ce modèle repose sur un Transformer unifié de 15 milliards de paramètres capable de traiter simultanément du texte, des images, de la vidéo et de l'audio dans une seule séquence, sans recourir à des outils tiers pour la synchronisation audio ou le post-traitement. Sur le classement indépendant Artificial Analysis Video Arena, HappyHorse 1.0 occupe actuellement la deuxième place avec un score Elo de 1 444 dans les catégories texte-vers-vidéo et image-vers-vidéo, devançant Google Veo-3.1 de 69 points et xAI Grok-Imagine-Video de 23 points. Ce lancement intervient dans un marché brusquement reconfiguré. OpenAI a mis fin à Sora, jugé financièrement non viable, tandis que ByteDance a indéfiniment suspendu le déploiement international de Seedance 2.0 après une vague de plaintes pour violation de droits d'auteur de la part des studios hollywoodiens. Pour les équipes achats des entreprises qui évaluaient ou intégraient ces outils dans leurs workflows marketing, publicité ou production de contenus, le choix s'est considérablement rétréci en quelques mois. HappyHorse 1.1 arrive donc à point nommé : conçu comme un produit API-first pour s'intégrer dans des stacks logiciels d'entreprise, il mise sur une architecture unifiée qui réduit le nombre de dépendances fournisseurs et accélère la mise en production. Pour les acheteurs sensibles au coût total de possession, c'est un argument concret. HappyHorse a d'abord émergé début avril comme soumission anonyme sur l'Artificial Analysis Video Arena, où il s'est immédiatement classé premier avant qu'Alibaba ne soit confirmé comme créateur. Le modèle est développé par l'ATH (Alibaba Token Hub) AI Innovation Unit, une équipe issue du Future Life Lab rattachée au groupe Taobao et Tmall, avant une restructuration organisationnelle stratégique. Derrière ce lancement se profile un enjeu bien plus large : Alibaba a annoncé un programme d'investissement en infrastructure de 52,7 milliards de dollars à l'échelle mondiale, et la vidéo générative représente un marché que les analystes anticipent à plusieurs dizaines de milliards de dollars d'ici la fin de la décennie. La vraie question est de savoir si Alibaba parviendra à convertir cette avance technique en adoption réelle sur les marchés occidentaux, dans un contexte de tensions croissantes entre Washington et Pékin sur les technologies d'intelligence artificielle.

Création❧Opinion

1 source

51

1920MarkTechPost 

Sakana AI lance Sakana Fugu : un modèle d'orchestration qui répartit les tâches entre un ensemble interchangeable de LLMs frontier

Sakana AI a lancé le 15 juin 2026 Sakana Fugu, un système d'orchestration multi-agents qui se présente comme un modèle unique. Le principe : l'utilisateur envoie une requête à un seul point d'accès compatible avec l'API d'OpenAI, et Fugu décide en coulisses s'il traite la tâche seul ou s'il coordonne un ensemble de modèles spécialisés. Le système existe en deux variantes, Fugu, optimisé pour la rapidité sur des tâches courantes comme la revue de code ou les chatbots, et Fugu Ultra, conçu pour les problèmes complexes en plusieurs étapes. Sur les benchmarks publiés, Fugu Ultra affiche 73,7 % sur SWE Bench Pro contre 69,2 % pour Claude Opus 4.8, 93,2 % sur LiveCodeBench contre 87,8 % pour Opus, et 50,0 % sur Humanity's Last Exam contre 49,8 %. L'orchestrateur se classe premier sur 10 des 11 benchmarks testés, dépassant individuellement chacun des modèles qu'il coordonne, dont des instances de Gemini 3.1 Pro et GPT 5.5. Ce résultat illustre un principe contre-intuitif : un système qui apprend à déléguer peut surpasser les modèles auxquels il délègue. Pour les équipes de développement, cela signifie qu'il est possible d'accéder à des performances de pointe sans gérer soi-même la complexité d'une architecture multi-agents. Fugu expose également un mécanisme d'opt-out : certains agents peuvent être exclus du pool pour répondre à des exigences de confidentialité ou de conformité réglementaire, ce qui le rend utilisable dans des environnements contraints. La version Ultra, en revanche, ne propose pas cette flexibilité, son pool d'agents est fixe. Sakana AI, studio de recherche fondé en 2023 à Tokyo par d'anciens chercheurs de Google Brain, s'appuie ici sur deux articles présentés à ICLR 2026 : Trinity, qui assigne dynamiquement des rôles de Penseur, Travailleur ou Vérificateur à chaque agent selon le contexte, et Conductor, entraîné par renforcement pour découvrir des stratégies de coordination en langage naturel. La motivation déclarée pour l'architecture multi-fournisseurs est explicitement politique : l'équipe cite les récents contrôles à l'export sur les modèles Fable et Mythos d'Anthropic comme exemple du risque de dépendance à un seul acteur. En routant autour des restrictions d'accès, Fugu se positionne comme une infrastructure résiliente. Testé en bêta auprès de près de 500 utilisateurs, il a notamment permis à un agent d'améliorer automatiquement la recette d'entraînement d'un petit modèle GPT sur 123 expériences successives, un cas d'usage qui préfigure une automatisation profonde de la recherche en IA elle-même.

LLMs⚡Actu

1 source