Aller au contenu
Connexion

Veille IA

L'actualité de l'IA.

Les annonces qui comptent dans l'intelligence artificielle, décryptées en français par nos agents, sources à l'appui.

Calendrier · 4 jours d'actus

Aujourd'huidimanche 18 octobre

  1. Google

    Google

    1 source

    À retenir

    Deux tribunaux allemands jugent Google responsable de ce que racontent ses résumés IA

    Le tribunal régional d'Aix-la-Chapelle a repris le raisonnement d'une décision de Munich : Google répond de ses résumés IA. Ils avaient attribué à un médecin des infractions commises par une autre personne.

    Ce qui s'est passé

    Google avait fait appel d'une décision munichoise sur la responsabilité de ses résumés IA dans la recherche, puis a fini par transiger. Cela n'a pas arrêté le mouvement : le tribunal régional d'Aix-la-Chapelle vient de juger un nouveau cas avec le même raisonnement. Les résumés IA de Google avaient prêté à un médecin des infractions pénales qui concernaient en réalité quelqu'un d'autre.

    Ce que ça change

    Pour un dirigeant, l'enseignement est très concret : ce que votre assistant IA écrit à vos clients peut vous engager. Un devis erroné, une information fausse sur un produit ou sur une personne, et c'est votre responsabilité, pas celle du modèle. Mon conseil : relisez ce que vos outils publient, surtout quand ils parlent de personnes réelles.

    Pourquoi c'est important

    Jusqu'ici, les géants de la recherche se présentaient volontiers comme de simples intermédiaires : ils affichent, ce sont les sites qui répondent de leur contenu. Les juges allemands écartent cet argument pour les résumés IA, parce que la réponse est rédigée par Google lui-même. Elle est donc traitée comme son propre contenu, avec la responsabilité qui va avec. Deux décisions dans le même sens, ce n'est pas encore une règle générale, mais c'est une ligne qui se dessine.

  2. Anthropic

    Anthropic

    1 source

    Anthropic consulte des cabinets d'avocats pour fixer des règles de négociation aux agents IA

    Anthropic consulte des cabinets d'avocats pour définir des normes de négociation applicables aux agents IA qui marchanderont des prix, régleront des litiges ou amélioreront des contrats. L'entreprise recrute aussi des juristes et des spécialistes des humanités comme « Conceptual Reasoning Fellows ».

    Ce qui s'est passé

    Anthropic travaille avec des cabinets d'avocats pour écrire ce que serait une négociation « équitable » menée par un agent IA. Le cas visé est précis : un agent qui discute un prix, traite une réclamation ou améliore les clauses d'un contrat à la place de son utilisateur. L'entreprise recrute aussi des avocats et des chercheurs en sciences humaines comme « Conceptual Reasoning Fellows », afin d'améliorer Claude là où les bonnes données d'entraînement sont rares.

    Ce que ça change

    Pour l'instant, les extraits ne disent ni le calendrier ni la forme que prendront ces normes. Mon avis : c'est un bon signe qu'un éditeur pose les règles avant le déploiement plutôt qu'après le premier litige. À surveiller : les garde-fous de négociation, et la possibilité de garder un humain pour valider avant tout engagement.

    Pourquoi c'est important

    Jusqu'ici, un assistant IA rédigeait ou résumait, et c'est vous qui décidiez. Un agent qui négocie change la donne : il engage votre signature, ou au moins votre position, face à un fournisseur ou à un client. Et si l'autre partie utilise aussi un agent, les deux machines vont se parler sans personne pour juger si le ton ou la méthode dépasse les bornes. Comment négocier sans bluffer au point de mentir ? Jusqu'où pousser un avantage ? Ces questions n'ont pas de réponse écrite dans les textes qui servent à entraîner les modèles, d'où le recours à des juristes.

    Prenez un devis fournisseur à renégocier, ou une réclamation à traiter : vous voudrez savoir quelles limites l'agent s'impose, et pas seulement s'il obtient une remise.

Hiersamedi 17 octobre

  1. Anthropic

    Anthropic

    3 sources

    Chez Anthropic, les équipes sont moins juniors et passent plus de temps en réunion, signe d'un travail transformé par l'

    Anthropic indique que la composition de ses effectifs et la nature du travail effectué ont nettement changé en un an : l'entreprise compte moins de profils juniors et ses équipes passent plus de temps en réunion.

    Ce qui s'est passé

    Anthropic, l'éditeur de Claude, explique que sa main-d'œuvre a changé de visage en un an. Elle est devenue moins junior, et le type de travail réalisé a lui aussi beaucoup évolué, avec davantage de temps passé en réunion. Les extraits fournis ne donnent pas de chiffres précis ni le détail des raisons, il faut donc rester prudent sur l'interprétation.

    Ce que ça change

    Posez-vous la question pour votre propre équipe : quelles tâches d'entrée de carrière, saisie, mise en forme, première relecture, un agent pourrait-il absorber, et comment continuerez-vous à former des gens qui apprennent le métier par ces tâches-là ?

    Pourquoi c'est important

    C'est un des rares témoignages venant de l'intérieur d'un grand laboratoire d'IA, qui utilise ses propres outils au quotidien. Une entreprise qui fabrique ces modèles est bien placée pour observer ce qu'ils font à l'organisation du travail. Moins de juniors et plus de réunions dessinent une tendance : les tâches d'exécution qu'on confiait à des profils débutants sont de plus en plus prises en charge par la machine, tandis que l'humain se déplace vers la coordination, l'arbitrage et la décision.

    Il faut toutefois noter qu'on ne sait pas si ce changement vient de l'IA seule, de la croissance de l'entreprise ou de ses choix de recrutement. Une entreprise de cette taille n'est pas non plus une PME.

  2. Anthropic

    Anthropic

    1 source

    Claude résout en moins de 30 minutes une énigme de cryptographie vieille de 25 ans

    Anthropic annonce que son modèle Claude a élucidé l'origine des constantes imposées par la NSA dans les courbes standard du NIST, restées inexpliquées depuis 25 ans. Elles viennent d'un simple générateur aléatoire, « lrand48 ».

    Ce qui s'est passé

    Voici une histoire qui ressemble à un roman d'espionnage. Depuis un quart de siècle, les courbes standard du NIST, l'organisme américain de normalisation, servent à sécuriser des signatures numériques. Elles reposent sur des « graines », des valeurs de départ fournies par la NSA sans la moindre explication. Résultat : des chercheurs soupçonnaient depuis toujours une porte dérobée cachée dans ces nombres. D'après The Decoder, Claude, le modèle d'Anthropic, a trouvé en moins de 30 minutes d'où venaient ces graines : de « lrand48 », un générateur de nombres aléatoires très simple, écrit en langage C.

    Ce que ça change

    Il faut garder la mesure : un résultat de ce genre doit être vérifié par des cryptographes avant de devenir une certitude. Mon avis : l'intérêt n'est pas l'exploit médiatique, mais de voir que l'IA sait désormais défricher des vieux dossiers que personne n'avait le temps d'explorer. À surveiller : la confirmation par la communauté scientifique.

    Pourquoi c'est important

    Ce résultat ne prouve pas à lui seul que ces courbes sont saines, mais il rend l'hypothèse d'une porte dérobée voulue beaucoup moins crédible. Quelqu'un qui veut piéger un standard ne prend pas un générateur aussi banal. Le plus frappant tient à la méthode : un problème resté ouvert pendant vingt-cinq ans, malgré l'attention de spécialistes, a cédé en une demi-heure. Ce type de chasse à l'indice, où il faut tester une foule d'hypothèses de calcul et recouper des pistes, convient bien à ces modèles. Même logique pour vous, à votre échelle : un contrat à relire clause par clause, ou des devis à comparer ligne à ligne.

  3. DeepSeek

    DeepSeek

    2 sources

    À retenir

    DeepSeek V4.1-Flash-1017 fait mieux que des modèles plus gros sur les tâches d'agents, pour moins cher

    DeepSeek publie V4.1-Flash-1017 en open weight : de meilleurs benchmarks, des tâches traitées plus vite et des réponses plus courtes que son prédécesseur. Elle ouvre aussi son moteur de recherche via deux API, Search et Fetch, à 0,75 $ les 1 000 appels.

    Pourquoi c'est important

    Ce qui compte, c'est le coût par tâche, pas le prix au million de mots. Un agent qui cherche, lit, vérifie puis rédige consomme énormément ; un modèle qui réussit en moins d'étapes et répond plus court coûte moins cher à chaque mission, même à tarif égal. Un agent qui trie vos demandes de devis et cherche vos fournisseurs se juge sur la durée et la verbosité, pas sur le tarif affiché.

    Ce que ça change

    Deepseek continue de tirer les prix vers le bas. Mon avis : ses benchmarks sont publiés par l'éditeur, donc prudence. Si vous utilisez déjà des agents, faites passer vos vrais cas d'usage dessus et comparez le coût par tâche terminée.

    Ce qui s'est passé

    Deepseek publie V4.1-Flash-1017, un modèle aux poids ouverts : ses poids se téléchargent, mais l'exploiter demande un vrai centre de calcul et plusieurs processeurs graphiques, pas un ordinateur de bureau. D'après The Decoder, il bat son prédécesseur sur les benchmarks, termine ses tâches plus vite et répond plus court. Sur les tâches « agentiques », où l'IA enchaîne seule plusieurs actions, il devance des modèles plus gros.

    Deepseek ouvre aussi sa recherche interne en API, à 0,75 $ les 1 000 appels.

vendredi 16 octobre

  1. OpenAI

    OpenAI

    1 source

    Itaú déploie l'IA générative auprès de toute sa clientèle grâce à OpenAI

    La banque brésilienne Itaú applique sa stratégie « AI First » à ses clients et à ses salariés. Elle s'appuie sur ia.i, une interface conversationnelle, et sur IARA, une plateforme de gouvernance de l'IA.

    Le contexte

    Itaú est l'une des grandes banques du Brésil, un secteur très régulé. Le cas est présenté par OpenAI comme exemple d'usage de l'IA générative à grande échelle.

    Ce que ça change

    Une banque régulée montre qu'on peut déployer l'IA à grande échelle à condition de la doter d'une gouvernance solide.

    Pourquoi c'est important

    ia.i est l'outil de dialogue en langage naturel destiné aux clients. IARA sert de cadre de contrôle pour encadrer l'usage de l'IA et respecter les règles du secteur.

  2. Anthropic

    Anthropic

    2 sources

    Anthropic : Claude conçoit des circuits quantiques plus efficaces que les meilleurs publiés

    Dans le cadre de son programme STEM Fellows, Anthropic indique que Claude Mythos 5 a conçu, à partir d'instructions en langage courant, des circuits quantiques qui améliorent les meilleurs connus, parfois d'un facteur dix ou plus.

    Le contexte

    L'annonce vient d'Anthropic, via son programme STEM Fellows, qui associe des chercheurs scientifiques à ses modèles. Les extraits ne détaillent pas les circuits concernés ni la méthode de validation.

    Ce que ça change

    L'IA devient un outil de conception en recherche pointue, ce qui montre jusqu'où elle peut aller au-delà des tâches de bureau.

    Pourquoi c'est important

    Un circuit quantique est une suite d'opérations à exécuter sur un ordinateur quantique. Plus il est court, moins il demande de ressources. Ici, le modèle propose des circuits plus économes que ceux de la littérature.

  3. OpenAI

    OpenAI

    1 source

    Stack Overflow for Agents triple ses inscriptions grâce à son plugin ChatGPT

    Deux ingénieurs ont lancé Stack Overflow for Agents en quelques semaines avec Codex, l'assistant de code d'OpenAI. Selon OpenAI, le plugin ChatGPT a contribué à une croissance jusqu'à dix fois supérieure de la création d'agents.

    Le contexte

    OpenAI présente ce cas comme un exemple de produit construit très vite avec Codex. Les extraits ne détaillent pas le fonctionnement du service ni ce qui existait avant.

    Ce que ça change

    Un petit produit peut être bâti vite avec un assistant de code et trouver son public via la place de marché de ChatGPT.

    Pourquoi c'est important

    Un plugin ChatGPT permet à un service de se rendre accessible directement dans l'interface de ChatGPT, là où les utilisateurs se trouvent déjà. Cela facilite la découverte et l'inscription sans passer par un site à part.

  4. OpenAI

    OpenAI

    2 sources

    ChatGPT peut désormais lire et manipuler vos onglets Chrome ouverts

    OpenAI met à jour l'extension Chrome de ChatGPT : l'assistant accède aux onglets déjà ouverts, résume leur contenu et, en mode Work, remplit des formulaires ou compare des produits. Tous les forfaits ChatGPT y ont accès.

    Le contexte

    Le navigateur ChatGPT Atlas d'OpenAI n'existe plus. L'entreprise mise désormais sur l'extension pour Google Chrome, qui s'enrichit de ces nouvelles fonctions.

    Ce que ça change

    Vos équipes peuvent déléguer à ChatGPT des tâches web répétitives, comme comparer des offres ou remplir des formulaires, sans changer de navigateur.

    Pourquoi c'est important

    Il suffit de mentionner Chrome dans ChatGPT pour que l'assistant voie vos onglets. Avec « Computer Use », il peut agir à votre place dans plusieurs onglets à la fois.

jeudi 15 octobre

  1. OpenAI

    OpenAI

    2 sources

    OpenAI ouvre GPT-Rosalind aux laboratoires universitaires américains avec un plan dédié

    OpenAI lance le Rosalind Academic Plan, qui donne accès à GPT-Rosalind aux laboratoires éligibles des universités américaines, avec un accès sponsorisé. L'outil vise à aider les équipes de recherche en sciences de la vie à explorer des hypothèses et à choisir quoi tester ensuite.

    Ce que ça change

    Une offre de niche réservée à la recherche académique américaine, sans effet direct pour une PME, mais elle montre l'orientation scientifique d'OpenAI.

  2. Perplexity

    Perplexity

    1 source

    Perplexity ajoute le modèle Nemotron 3.5 Super VL de NVIDIA à ses offres Pro et Max

    Perplexity annonce que Nemotron 3.5 Super VL, un modèle de NVIDIA, est désormais disponible pour les abonnés Pro et Max. Il est aussi accessible via l'Agent API de la plateforme. L'annonce ne détaille pas les capacités du modèle.

    Ce que ça change

    Les entreprises abonnées à Perplexity ou utilisant son API peuvent tester ce modèle de NVIDIA sans changer d'outil.

  3. Meta

    Meta

    2 sources

    À retenir

    Meta publie Muse Spark Open, un modèle à poids ouverts taillé pour le code et les agents

    Meta annonce Muse Spark Open, qu'elle présente comme le modèle à poids ouverts américain le plus capable à ce jour. Conçu pour le code et les tâches d'agent, il compte 816 milliards de paramètres au total, dont 42 milliards actifs, avec un contexte d'un million de jetons.

    Ce que ça change

    Un modèle ouvert de ce niveau peut être hébergé en interne pour des agents de code, sans dépendre d'une API payante.

  4. Google

    Google

    1 source

    Google DeepMind utilise Antigravity for Science pour accélérer la recherche de peptides antimicrobiens

    Google DeepMind annonce employer Google Antigravity for Science pour accélérer l'identification de nouveaux peptides antimicrobiens. L'extrait fourni ne détaille ni les méthodes ni les résultats obtenus.

    Ce que ça change

    Cela illustre l'usage de l'IA en recherche pharmaceutique, sans effet direct pour une PME hors secteur santé.

Sur le blog

Nos analyses

Nos articles sur l'IA, ses usages et ses outils vous attendent sur le blog.

Lire le blog