La Commission européenne accuse Meta de design numérique qui encourage la dépendance

La Commission européenne a constaté préliminairement que le design de Facebook et Instagram enfreint la Digital Services Act par des mécanismes qui peuvent encourager l'utilisation compulsive. L'enquête vise la manière dont les flux de contenu, les recommandations et les interactions sont construits pour maintenir les utilisateurs connectés pendant de longues périodes.

L'autorité européenne considère que Meta n'a pas suffisamment évalué et réduit les risques systémiques associés à ces mécanismes. L'entreprise pourrait être contrainte d'introduire des modifications de produit qui offrent plus de contrôle aux utilisateurs et limitent les éléments jugés problématiques, en particulier dans le cas des mineurs.

Pour les plateformes numériques, le cas montre que la réglementation européenne commence à analyser directement les décisions de design, et pas seulement le contenu illégal ou les pratiques de collecte de données. Des fonctionnalités telles que le défilement continu, les recommandations automatiques et l'optimisation de l'engagement peuvent devenir des sujets de conformité technique.

La constatation est préliminaire, et Meta a la possibilité de répondre avant une décision finale. Si la violation est confirmée, l'entreprise pourrait faire face à des sanctions et à l'obligation de modifier l'expérience de ses produits dans l'Union européenne.

Les startups AI atteignent plus rapidement des revenus records

Plusieurs startups en intelligence artificielle rapportent qu'elles atteignent des seuils de revenus à un rythme de plus en plus rapide. Des entreprises comme Mercor, Anthropic, Sierra, Glean, Gusto et Clio soutiennent que les périodes nécessaires pour ajouter les prochaines centaines de millions ou milliards de dollars se sont considérablement réduites, sur fond de demande pour des modèles, des agences AI et des applications intégrées dans les processus d'affaires.

Cependant, les chiffres doivent être comparés avec attention, car les entreprises utilisent des définitions différentes pour le revenu annuel récurrent. Certaines rapportent des revenus effectivement facturés, d'autres utilisent le rythme annualisé du dernier mois ou incluent des contrats signés qui doivent encore être mis en œuvre. Même avec ces différences, la direction commune est l'accélération de la monétisation des produits AI.

Pour l'industrie du logiciel, l'évolution indique un passage rapide de projets expérimentaux à des solutions achetées et utilisées à grande échelle. La croissance n'est pas limitée aux entreprises construites exclusivement autour de l'AI : des entreprises matures comme Gusto et Clio ont rapporté une accélération après l'intégration de la technologie dans des produits existants.

La tendance met la pression sur les startups pour démontrer que des revenus rapides peuvent être soutenus par des marges saines, la rétention des clients et des coûts d'infrastructure contrôlables. Dans un marché où les investissements sont importants, la qualité des indicateurs financiers devient aussi importante que la vitesse de croissance.

La demande pour l'infrastructure AI reste forte, malgré la volatilité boursière

Les actions des entreprises dans le domaine des puces et des centres de données AI ont traversé de nouveaux épisodes de volatilité, mais les leaders de l'industrie soutiennent que la demande pour la capacité de calcul reste élevée. Les investissements dans les accélérateurs, la mémoire, les réseaux et l'infrastructure énergétique continuent, même si les investisseurs examinent plus attentivement le rythme des dépenses et les perspectives de profit.

Les dirigeants du secteur estiment que la principale limitation n'est pas le manque de projets, mais la disponibilité de l'énergie, des puces et des centres de données qui peuvent être construits suffisamment rapidement. Parallèlement, les entreprises qui mettent en œuvre l'AI deviennent plus prudentes concernant le coût par tâche et recherchent des modèles plus efficaces ou des configurations adaptées à chaque cas d'utilisation.

Pour les fournisseurs de logiciels et d'infrastructure, cette différence entre la demande structurelle et le sentiment boursier est importante. La volatilité des actions peut affecter le financement et les évaluations, mais ne change pas immédiatement le besoin des entreprises d'étendre la capacité de traitement nécessaire pour les produits et les automatisations basées sur l'AI.

La prochaine étape du marché sera évaluée moins par les annonces de capacité et plus par le degré réel d'utilisation, l'efficacité énergétique et les revenus générés par l'infrastructure construite. Les entreprises qui peuvent démontrer un lien clair entre les investissements et les résultats seront mieux positionnées dans un contexte boursier instable.

La Banque d'Angleterre avertit des risques de l'AI pour la stabilité financière

La Banque d'Angleterre estime que le développement rapide de l'intelligence artificielle peut amplifier les risques pour le système financier britannique. Dans son rapport semestriel sur la stabilité financière, l'institution mentionne la possibilité d'une bulle boursière, des vulnérabilités supplémentaires en matière de cybersécurité et des structures d'endettement de plus en plus complexes autour des entreprises AI.

Les évaluations élevées de certaines entreprises reposent sur des estimations de bénéfices qui restent incertaines, et les hausses boursières sont concentrées dans un groupe restreint d'acteurs. En même temps, les emprunts contractés pour des investissements dans l'infrastructure AI ont rapidement augmenté, et la banque attire l'attention sur le manque de transparence de certains mécanismes de financement.

Le rapport souligne également que les modèles avancés deviennent plus capables de soutenir des cyberattaques à grande échelle. Cela oblige les institutions financières et les autorités à réévaluer la résilience des fournisseurs technologiques critiques, y compris les plateformes cloud et l'infrastructure utilisée pour des opérations essentielles.

La banque reconnaît le potentiel de l'AI à accroître la productivité et à soutenir le développement économique, mais estime que l'ampleur et le moment de ces bénéfices sont encore difficiles à estimer. Le message central est que l'adoption doit être accompagnée de gouvernance, de transparence financière et de contrôles techniques appropriés.

Le Royaume-Uni examine la réglementation des modèles AI utilisés dans les finances

Un responsable de la Financial Conduct Authority a demandé au Royaume-Uni d'examiner si les modèles linguistiques généraux, tels que ChatGPT, Claude et Gemini, devraient être inclus dans un cadre réglementaire. La recommandation vient sur fond de l'influence croissante que ces outils ont sur les décisions financières des consommateurs et sur les processus internes des institutions.

Les modèles sont développés en dehors du secteur financier, mais peuvent fournir des explications, des recommandations ou des analyses qui finissent par influencer le comportement des clients. En même temps, les banques et les entreprises de services financiers dépendent d'un nombre restreint de fournisseurs technologiques, ce qui peut créer des risques systémiques en cas d'interruption, de changement contractuel ou d'erreur au niveau du modèle.

Pour les entreprises qui intègrent l'AI dans des produits financiers, la discussion déplace l'attention de la simple conformité de l'application vers l'ensemble de la chaîne technologique. La sélection du modèle, la traçabilité des réponses, le contrôle des données et la capacité de changer de fournisseur peuvent devenir des exigences importantes d'architecture.

Les autorités britanniques ont jusqu'à présent préféré une approche basée sur la réglementation des utilisations concrètes de l'AI. La proposition suggère que, dans les domaines à haut risque, la surveillance pourrait être étendue aux modèles généraux qui sous-tendent les services.

L'iPhone 18 Pro pourrait devenir plus épais et plus lourd

La prochaine génération d'iPhone 18 Pro pourrait apporter trois changements de design qui risquent de diviser les opinions des utilisateurs : un boîtier plus épais, un poids plus élevé et l'absence d'une variante noire. Les informations proviennent de sources non officielles, et les détails concernant les dimensions varient entre les rapports publiés.

Certaines estimations indiquent une augmentation significative de l'épaisseur, tandis que d'autres sources soutiennent que la taille du corps du téléphone restera similaire, et que le module des caméras deviendra plus proéminent. Le modèle Pro Max pourrait atteindre environ 240 grammes, contre 233 grammes pour la génération précédente.

Les changements pourraient refléter les compromis nécessaires pour des caméras plus performantes, des batteries plus grandes ou des composants supplémentaires. Pour les développeurs d'accessoires et de produits mobiles, les variations de taille et de positionnement des caméras pourraient nécessiter une re-conception des coques, supports et systèmes compatibles.

Apple pourrait conserver une palette composée de nuances telles que le violet foncé, le bleu clair et l'argent, sans option noire. La configuration finale ne sera confirmée qu'à la sortie officielle.

Apple accuse OpenAI d'utiliser des secrets commerciaux

Apple a intenté un procès contre OpenAI et deux anciens employés, affirmant que des informations confidentielles ont été utilisées pour accélérer le développement de produits matériels destinés aux consommateurs. La plainte décrit un effort plus large de recrutement et d'accès aux connaissances internes sur les dispositifs, spécifications techniques et chaîne d'approvisionnement d'Apple.

L'entreprise affirme que les anciens employés auraient transféré des données sur des produits non lancés, des collaborateurs et des processus de développement. OpenAI rejette les accusations et déclare qu'elle ne cherche pas à obtenir les secrets commerciaux d'autres entreprises, maintenant son attention sur ses propres produits.

Le cas montre à quel point la propriété intellectuelle devient importante dans la compétition pour les dispositifs AI. À mesure que les développeurs de modèles entrent dans le domaine du matériel, l'expérience des spécialistes recrutés auprès d'entreprises établies peut générer des disputes concernant la limite entre les compétences professionnelles et les informations protégées.

Pour les entreprises technologiques, le procès souligne la nécessité de politiques claires d'accès aux données, de classification des documents, de départ des employés et de protection des projets sensibles. Le résultat peut influencer les pratiques de recrutement dans l'industrie de l'AI et du matériel.

SpaceXAI lance Grok 4.5 pour le codage et les activités agentiques

SpaceXAI a présenté Grok 4.5, son premier modèle développé en collaboration avec Cursor après l'intégration de l'entreprise d'outils pour la programmation. Le modèle est orienté vers des tâches complexes et de longue durée dans l'ingénierie logicielle, la finance, le juridique et le travail de connaissance, plutôt que exclusivement vers des conversations avec les utilisateurs.

Grok 4.5 est positionné comme une alternative compétitive en termes de rapport entre performance et coût. Les prix annoncés sont d'environ 2 dollars pour un million de tokens d'entrée et 6 dollars pour un million de tokens de sortie, en dessous du niveau de certains modèles premium des concurrents.

La participation de Cursor au développement suggère une proximité croissante entre les modèles fondamentaux et les environnements dans lesquels ils sont effectivement utilisés. Les données et les retours d'expérience des outils de codage peuvent aider à optimiser les modèles pour des flux de travail réels, une exécution en plusieurs étapes et des interventions sur des projets logiciels étendus.

Le lancement intensifie la concurrence pour le marché des entreprises, où la vitesse et les benchmarks sont évalués aux côtés du coût, de l'intégration et du contrôle opérationnel. La disponibilité du modèle varie entre les régions, et l'accès dans l'Union européenne n'a pas été inclus dans le lancement initial.

OpenAI lance GPT-5.6 et le nouvel agent ChatGPT Work

OpenAI a lancé la famille GPT-5.6 et ChatGPT Work après une période où l'accès au nouveau modèle a été limité à des partenaires approuvés, à la demande du gouvernement américain. Le lancement public a suivi des évaluations supplémentaires concernant les risques de cybersécurité des modèles avancés.

GPT-5.6 est disponible en plusieurs variantes, y compris Sol, Terra et Luna, conçues pour différents niveaux de performance, de vitesse et de coût. ChatGPT Work combine la conversation, les capacités de Codex et l'automatisation des applications pour créer des documents, des feuilles de calcul, des présentations, des sites web et d'autres livrables professionnels.

Le nouveau produit peut se connecter à des outils tels que Slack, Gmail, Google Drive, des systèmes CRM et d'autres sources de travail. La direction transforme ChatGPT d'une interface de questions et réponses en un environnement capable d'exécuter des tâches entre applications et de gérer des fichiers.

Pour les entreprises, cette évolution accroît le potentiel d'automatisation, mais aussi le besoin de permissions granulaires, d'audit des actions et de contrôle des données. L'agent est distribué progressivement sur desktop, web et mobile, en fonction du type d'abonnement.

L'Université du Michigan lance une application gratuite pour identifier les plantes

L'Université du Michigan a lancé Michigan Flora, une application mobile gratuite qui aide les utilisateurs à identifier les plantes natives et naturalisées de l'État du Michigan. L'outil transforme les ressources botaniques développées par l'herbier de l'université en un guide accessible directement depuis le téléphone.

L'application inclut des informations, des photographies et des données sur la distribution des espèces, et les fonctionnalités principales peuvent être utilisées sans connexion Internet. Cette caractéristique est importante pour les chercheurs, étudiants, naturalistes et visiteurs qui travaillent dans des zones à faible couverture mobile.

Le projet montre comment les bases de données académiques peuvent être transformées en produits numériques d'utilité publique. La valeur de l'application provient de la combinaison d'une source validée scientifiquement avec une interface mobile simple et un accès hors ligne.

Michigan Flora est disponible sur les principales plateformes mobiles et complète la version en ligne du guide. Le modèle peut également être pertinent pour d'autres institutions qui détiennent des collections ou des données spécialisées et cherchent des moyens de les rendre plus faciles à utiliser.

Meta retire la fonction permettant de réutiliser des photos publiques avec l'AI

Meta a supprimé une fonction d'Instagram qui permettait aux utilisateurs de générer des images AI inspirées par les photos de comptes publics. L'outil avait été introduit en même temps que Muse Image et pouvait être activé en mentionnant le compte que l'utilisateur souhaitait utiliser comme référence.

Les personnes dont les photos étaient utilisées ne recevaient pas automatiquement de notification, et la fonction a rapidement généré des réactions négatives de la part des utilisateurs et des agences de représentation. Meta a reconnu que la mise en œuvre n'a pas répondu aux attentes et a retiré l'option quelques jours après son lancement.

La décision souligne les risques d'introduire des fonctionnalités génératives directement sur des plateformes avec de grands volumes d'images personnelles. Même le contenu public peut impliquer des droits sur l'identité, la réputation et le contexte dans lequel il est réutilisé.

Pour les équipes produit, le cas montre l'importance d'évaluer les abus potentiels avant le lancement, d'avoir des notifications explicites et des mécanismes de consentement. La capacité technique de générer du contenu n'élimine pas la nécessité de limites claires d'utilisation.

HyperTexting transforme le web en un fil facile à parcourir

HyperTexting est une nouvelle application pour iOS qui présente des sites, blogs, publications et newsletters dans un format similaire aux flux des réseaux sociaux. Les utilisateurs peuvent suivre des sources et parcourir des articles, des contenus multimédias et des podcasts dans un fil chronologique, sans algorithme de recommandation.

L'application utilise RSS en arrière-plan, mais cache la complexité technique du protocole. En même temps, elle offre aux utilisateurs la possibilité de publier sur leur propre site via un processus simplifié, proche de l'envoi d'un message, et de connecter les contributions aux matériaux auxquels ils répondent.

Le produit tente de combiner la familiarité des interfaces sociales avec les principes du web ouvert, où les utilisateurs conservent leur propre domaine et contenu. Pour les éditeurs et créateurs, l'approche peut réduire la dépendance aux plateformes centralisées et aux changements algorithmiques.

HyperTexting est disponible gratuitement, et le développeur examine des options futures de monétisation, telles que des fonctionnalités premium ou un seul matériel sponsorisé par jour. Le succès dépendra de la capacité de l'application à rendre RSS attrayant pour le grand public.

GPT-5.6 reste le modèle préféré pour Microsoft Copilot 365

OpenAI affirme que GPT-5.6 est le modèle préféré pour Microsoft Copilot 365, même si Microsoft commence à utiliser plusieurs modèles développés en interne. La déclaration vient dans un contexte où la relation entre les deux entreprises est examinée de près, et Microsoft cherche à réduire sa dépendance et les coûts associés aux fournisseurs externes.

Les modèles internes AI sont utilisés dans certaines fonctionnalités d'applications telles que Word et Excel. Cependant, Microsoft maintient l'accès à la technologie OpenAI et peut sélectionner le modèle en fonction de la tâche, de la performance, de la disponibilité et du coût.

La situation reflète le développement d'une architecture multi-modèle dans les produits d'entreprise. Au lieu d'une seule technologie utilisée partout, les plateformes peuvent diriger chaque demande vers le modèle le plus approprié, maintenant les modèles premium pour des activités complexes et des variantes moins chères pour des opérations répétitives.

Pour les clients, le changement peut apporter des coûts plus prévisibles et une meilleure disponibilité. Pour les fournisseurs, la concurrence se déplace vers l'intégration, l'efficacité et la capacité à devenir le composant préféré dans un système qui inclut plusieurs modèles.

Meta entre en compétition dans les modèles AI pour la programmation avec Muse Spark 1.1

Meta a lancé publiquement Muse Spark 1.1, un modèle multimodal conçu pour la programmation agentique et l'automatisation des flux numériques. L'entreprise affirme que le modèle peut réaliser des raisonnements en plusieurs étapes, gérer des processus complexes et implémenter des fonctions dans des systèmes d'entreprise.

Le marché comprend déjà des produits matures d'OpenAI et d'Anthropic, mais Meta tente de concurrencer par le prix et l'intégration dans son propre écosystème. Les tarifs annoncés sont de 1,25 dollars pour un million de tokens d'entrée et 4,25 dollars pour un million de tokens de sortie.

Pour les équipes de développement logiciel, la valeur d'un tel modèle dépend de la performance dans des projets réels, et pas seulement de la génération isolée de code. La compréhension du contexte d'une base de code, l'utilisation des outils, les tests et la gestion des modifications en plusieurs étapes sont des critères essentiels pour l'adoption en entreprise.

Le lancement confirme que le codage agentique devient une catégorie stratégique pour les grands fournisseurs d'AI. La différenciation viendra du coût, de la fiabilité, de l'intégration avec l'infrastructure de l'entreprise et du niveau de contrôle offert aux équipes techniques.

Google va marquer les publicités créées ou modifiées avec l'AI

Google introduit une fonctionnalité par laquelle les utilisateurs pourront voir si une publicité inclut du contenu généré ou modifié de manière significative avec de l'intelligence artificielle. Jusqu'à présent, l'entreprise imposait des exigences explicites de transparence principalement pour la publicité électorale.

Les outils génératifs permettent aux marques de créer rapidement des images de produits, des décors et des variations de campagne, réduisant ainsi les coûts de production. En même temps, les images synthétiques peuvent induire en erreur lorsque les consommateurs pensent voir un produit, un contexte ou un résultat photographié en réalité.

Le marquage ajoute un nouveau niveau de métadonnées et de responsabilité dans les flux de publicité numérique. Les agences et les entreprises devront suivre la manière dont les actifs sont générés et s'assurer que les informations transmises à la plateforme sont correctes.

Google interdit déjà les publicités trompeuses, mais la nouvelle mesure sépare le problème du contenu faux de la simple utilisation de l'AI. La transparence devient ainsi une exigence distincte, même lorsque le message commercial respecte les autres règles de la plateforme.

Anthropic introduit un tableau de bord pour la manière dont Claude est utilisé

Anthropic a lancé Reflect, une fonctionnalité intégrée dans Claude qui montre aux utilisateurs comment ils utilisent l'assistant AI. Le tableau de bord analyse les types de sujets discutés, la fréquence d'utilisation et les catégories de tâches pour lesquelles les gens font appel au modèle.

La fonctionnalité est présentée comme un outil de compréhension et d'utilisation consciente de l'AI. En même temps, la manière dont elle est présentée peut renforcer la perception que Claude est déjà une partie importante du flux de travail quotidien et peut encourager l'utilisation constante du produit.

Pour les produits logiciels basés sur l'abonnement, la visualisation de la valeur générée est une méthode de rétention. Les utilisateurs peuvent identifier où ils obtiennent des résultats, et le fournisseur peut transformer l'historique d'utilisation en une démonstration du rôle que le produit joue dans leur activité.

Reflect apparaît à un moment où les coûts des centres de données et les réactions critiques face à l'AI sont de plus en plus visibles. Anthropic tente de positionner l'utilisation du modèle comme une pratique mesurable et contrôlable, et non simplement comme une consommation supplémentaire de technologie.

Google Photos ajoute l'édition vidéo générative avec Video Remix

Google Photos introduit Video Remix, une fonctionnalité qui peut transformer et éditer des clips en quelques secondes avec l'aide du modèle Gemini Omni. Les utilisateurs peuvent appliquer des modifications créatives sans avoir à transférer les matériaux dans une application dédiée d'édition vidéo.

Le lancement fait partie de l'expansion des outils génératifs dans les produits de consommation de Google. L'intégration directe dans la bibliothèque photo réduit le nombre d'étapes nécessaires et permet aux utilisateurs ordinaires d'obtenir des résultats qui nécessitaient auparavant des logiciels et des compétences spécialisées.

Pour les écosystèmes numériques, la fonctionnalité montre l'avantage des plateformes qui détiennent à la fois des modèles AI et des applications avec des millions d'utilisateurs et des données multimédias. La distribution peut devenir aussi importante que la performance technique du modèle.

Video Remix augmente cependant aussi l'importance de la transparence concernant les modifications apportées. À mesure que l'édition générative devient une fonctionnalité standard, les applications doivent gérer clairement la différence entre le matériel original et le résultat synthétisé.

Microsoft utilise plusieurs modèles internes pour réduire les coûts de l'AI

Microsoft a commencé à intégrer plus fréquemment des modèles développés en interne dans ses propres produits, réduisant l'utilisation de solutions fournies par OpenAI et Anthropic pour certaines tâches. La stratégie vise à contrôler les coûts à un moment où l'exploitation des produits AI à grande échelle consomme des ressources significatives.

Les modèles AI peuvent être utilisés dans des applications telles que Word et Excel, en particulier pour des opérations où un modèle premium n'apporte pas un avantage proportionnel au prix. Microsoft peut conserver les technologies externes pour les demandes complexes et utiliser des variantes internes pour des activités fréquentes.

Cette approche reflète le passage de l'intégration d'un seul modèle à l'orchestration d'une combinaison de modèles. Le routage en fonction de la difficulté, de la latence, de la sécurité et du coût devient un élément important de l'architecture des produits AI.

Pour les entreprises qui construisent des solutions similaires, la leçon est que la performance maximale ne doit pas être utilisée implicitement pour chaque demande. L'optimisation économique nécessite des évaluations continues, la mesure de la qualité et la possibilité de changer de modèle sans reconstruire l'ensemble du produit.

Une erreur dans la modération AI de Discord a bloqué des milliers de comptes

Discord a confirmé qu'une erreur de son système de modération basé sur l'AI a conduit à la suspension injustifiée de plus de 8 000 utilisateurs en environ deux mois. Des images inoffensives, y compris des feuilles de calcul, des planches d'échecs, des textures de jeux et des arrière-plans transparents, ont été mal classées comme contenu dangereux.

Le problème a affecté les comptes à partir de mai, et environ 200 autres personnes ont été bloquées avant que l'équipe n'identifie et corrige l'erreur. L'entreprise a commencé le processus de restauration des comptes affectés.

L'incident montre les limites des systèmes automatiques utilisés pour des décisions ayant un impact direct sur les utilisateurs. Même lorsque les modèles aident à analyser un grand volume de contenu, des classifications incorrectes peuvent produire des effets disproportionnés si la suspension est appliquée sans vérification supplémentaire.

Les plateformes ont besoin de seuils de confiance, de mécanismes rapides de contestation et d'une surveillance continue des modèles d'erreurs. L'automatisation de la modération peut augmenter la vitesse, mais la responsabilité de la décision finale reste à l'entreprise qui opère le service.

Le Royaume-Uni place les fournisseurs cloud critiques sous surveillance directe

Le Royaume-Uni a désigné Microsoft, Google, Amazon Web Services et Oracle comme fournisseurs critiques pour le secteur financier. À partir du 13 juillet 2026, les entreprises entreront sous la surveillance directe des autorités responsables de la stabilité et de la résilience du système financier.

Les nouvelles règles permettent à la Banque d'Angleterre et à la Financial Conduct Authority de demander des informations, des tests de résilience et des mesures pour gérer les interruptions. La surveillance se concentre sur les services cloud dont l'indisponibilité pourrait affecter simultanément plusieurs banques ou institutions importantes.

La décision répond à la concentration de l'infrastructure numérique autour d'un nombre réduit de fournisseurs mondiaux. La migration vers le cloud et l'utilisation de l'AI étendent les avantages opérationnels, mais peuvent transformer un problème technique ou contractuel en un risque systémique.

Les institutions financières restent responsables de leurs propres relations avec les fournisseurs, mais les autorités pourront évaluer directement la résilience des entreprises cloud. Le régime peut être étendu à l'avenir à d'autres fournisseurs considérés comme essentiels.

ChatGPT Work étend l'automatisation entre les applications de business

OpenAI a présenté ChatGPT Work, un agent conçu pour exécuter des activités professionnelles dans plusieurs applications et fichiers. Le produit combine l'interface ChatGPT avec la technologie Codex et est alimenté par la famille GPT-5.6.

L'agent peut créer des documents, des présentations, des feuilles de calcul et des sites, et les connexions avec Slack, Microsoft Teams, Google Drive, SharePoint et d'autres systèmes lui permettent de collecter des informations et de réaliser des étapes successives sans transfert manuel entre les applications.

Pour les entreprises, le produit déplace l'AI de l'assistance ponctuelle vers l'exécution de flux de travail complets. Les avantages peuvent inclure la réduction des opérations répétitives et un accès plus facile aux capacités d'automatisation pour les employés sans expérience en programmation.

La mise en œuvre nécessite cependant une gestion attentive des permissions et des actions réalisées au nom de l'utilisateur. Connecter un agent à des systèmes internes augmente la valeur du produit, mais étend également la surface de risque concernant les données, les erreurs et l'accès non autorisé.

Ukraine privilégie les modèles AI qu'elle peut opérer indépendamment

L'Ukraine favorisera les modèles AI qui peuvent être installés et opérés sur sa propre infrastructure, afin d'éviter la dépendance à des services entièrement contrôlés par des fournisseurs externes. La stratégie vise à assurer la continuité des outils numériques utilisés par l'administration, les entreprises et les structures militaires dans des conditions de guerre.

Les modèles accessibles uniquement par des services cloud peuvent être restreints, modifiés ou arrêtés par l'entreprise qui les exploite. L'Ukraine utilise actuellement Gemini dans certaines fonctionnalités de l'application gouvernementale Diia, mais élimine les données personnelles des demandes en raison du contrôle limité sur le service.

Le ministère de la Transformation numérique collabore avec Kyivstar pour développer un modèle souverain basé sur Gemma, la version ouverte de Google. Les tests mentionnés par les responsables indiquent que les modèles Gemma et Mistral peuvent obtenir des résultats comparables à certains services accessibles uniquement à distance.

Pour l'infrastructure critique, le cas souligne la valeur des options d'auto-hébergement, de portabilité et de contrôle sur les mises à jour. La souveraineté AI devient ainsi une exigence pratique de résilience, et non seulement un objectif de politique technologique.

GPT-5.6 Sol promet une plus grande efficacité pour les tâches agentiques

Sam Altman a déclaré que GPT-5.6 Sol est 54 % plus efficace en termes de consommation de tokens pour des tâches agentiques de programmation par rapport à des modèles concurrents. Cet indicateur est important car les agents travaillant sur des projets complexes peuvent générer de grands volumes de demandes et de coûts.

L'efficacité des tokens décrit la quantité de traitement nécessaire pour finaliser une activité. Un modèle qui atteint un résultat avec moins d'entrées et de sorties peut réduire les coûts et le temps d'exécution, même si le prix nominal pour un million de tokens n'est pas le plus bas.

Les leaders en sécurité et infrastructure estiment cependant que les réductions de coûts doivent se poursuivre pour que l'utilisation de l'AI à grande échelle soit durable. Les entreprises examinent de plus en plus le coût total des agents, y compris les exécutions répétées, les appels aux outils et la vérification des résultats.

Pour les équipes de développement logiciel, la performance économique doit être mesurée par tâche finalisée, et non seulement par le prix du modèle. La qualité, le nombre d'essais et le temps nécessaire à l'intervention humaine peuvent changer significativement le résultat réel.

Le personnage virtuel Tilly Norwood arrive dans un long-métrage et ravive le débat dans l'industrie

Tilly Norwood, un personnage généré par intelligence artificielle par le studio Particle6, doit apparaître dans son premier long-métrage, la comédie dramatique Misaligned. Le projet continue le développement d'un univers de productions construites autour du personnage numérique.

L'annonce a de nouveau attiré des critiques de la part des acteurs et des organisations professionnelles. SAG-AFTRA et d'autres voix de l'industrie contestent la présentation du personnage comme acteur et soulèvent des questions sur les données, les images et les interprétations humaines qui peuvent contribuer à sa génération.

Le studio soutient que Tilly Norwood est un outil créatif pour les productions AI et que ses projets incluent toujours des professionnels humains. Les créateurs affirment que la technologie peut réduire les coûts de production et créer de nouveaux rôles pour des équipes capables de travailler avec des outils génératifs.

Le débat dépasse un seul film et concerne les droits sur l'image, la rémunération, le crédit et l'utilisation des données d'entraînement. L'industrie a besoin de règles qui différencient clairement les personnages synthétiques, les performances humaines et les matériaux utilisés pour la génération.

Google peut utiliser plus de données de recherche pour entraîner l'AI

Google met à jour les paramètres associés aux services de recherche afin de pouvoir sauvegarder plusieurs types de données, y compris des images, des fichiers et des enregistrements audio ou vidéo téléchargés par les utilisateurs. Ces informations peuvent être utilisées pour améliorer les produits et les modèles AI de l'entreprise.

Le changement est pertinent pour des activités telles que la recherche inversée par image ou les interactions impliquant des fichiers multimédias. Les utilisateurs qui préfèrent limiter cette collecte peuvent désactiver l'option Historique des services de recherche et, séparément, le paramètre Sauvegarder les médias.

Google permet également de configurer la suppression automatique des données après trois, 18 ou 36 mois. Le contrôle est disponible sur la page d'activité du compte, mais le modèle basé sur le consentement suppose que l'utilisateur identifie et change lui-même le paramètre.

Pour les organisations et les professionnels, la mise à jour montre pourquoi les politiques internes doivent également inclure la manière dont les employés utilisent des services de recherche généraux. Le téléchargement d'images ou de documents de travail peut introduire des données dans un processus de stockage et d'entraînement qui dépasse l'objectif initial de la recherche.

Instagram examine l'introduction de plus de contrôle sur le contenu généré avec l'AI

Adam Mosseri, le directeur d'Instagram, a déclaré que les utilisateurs qui ne souhaitent pas de contenu AI devraient pouvoir recevoir un fil adapté à leurs préférences. Il ne soutient pas l'élimination générale des matériaux générés, mais la combinaison de la transparence avec des systèmes de recommandation qui tiennent compte des réactions de chaque personne.

L'identification automatique du contenu synthétique devient cependant de plus en plus difficile à mesure que les modèles produisent des images et des vidéos réalistes. Mosseri a suggéré que la plateforme pourrait marquer les matériaux créés avec l'AI ou, alternativement, le contenu vérifié comme étant capturé directement avec une caméra.

Pour Instagram, le défi inclut la différenciation des créations légitimes des volumes importants de contenu répétitif, de spam ou de matériaux utilisés pour la fraude et l'imitation d'identité. Les systèmes de recommandation doivent gérer les préférences sans traiter toutes les utilisations de l'AI comme appartenant à la même catégorie.

La direction pourrait transformer la provenance du contenu en un signal important de la plateforme. Les métadonnées, l'authentification de la source et l'historique du créateur joueront un rôle plus important dans un environnement où l'aspect visuel ne peut plus démontrer à lui seul qu'un matériau est réel.

Les émissions de Microsoft augmentent en raison de l'expansion de l'infrastructure AI

Les émissions de carbone de Microsoft ont augmenté de 25 % au cours de la dernière année rapportée, sur fond de construction et d'exploitation de l'infrastructure nécessaire aux services cloud et à l'intelligence artificielle. L'évolution éloigne l'entreprise de son objectif de devenir carbone négatif d'ici 2030.

Les centres de données nécessitent de grands volumes d'énergie, de matériaux de construction et d'équipements spécialisés. Une part importante de l'impact provient de la chaîne d'approvisionnement et de la construction des installations, des domaines où la réduction des émissions est plus difficile que l'achat d'énergie renouvelable pour les opérations directes.

Le rapport montre la tension entre la croissance rapide de la capacité AI et les objectifs climatiques assumés par les entreprises technologiques. L'efficacité des modèles, l'utilisation des accélérateurs et la localisation des centres de données deviennent des décisions qui influencent à la fois les coûts et l'empreinte carbone.

Microsoft continue d'investir dans l'énergie propre, l'élimination du carbone et des technologies de refroidissement plus efficaces. Cependant, le rythme de l'expansion de l'infrastructure montre que les objectifs de durabilité dépendent également de la réduction des émissions générées par les fournisseurs et la construction.

Meta teste des lunettes AI qui pourraient enregistrer en permanence l'environnement

Meta développe des prototypes de lunettes intelligentes avec une fonction interne appelée super sensing, capable d'enregistrer en continu le son et de capturer des images toutes les quelques secondes. L'utilisateur pourrait ensuite interroger l'assistant AI sur ce qu'il a vu ou entendu à un moment donné.

Le concept transforme les lunettes en une mémoire numérique permanente et en un capteur pour des agents AI. Contrairement aux modèles actuels, qui activent un LED lorsqu'ils filment ou photographient, l'entreprise analyserait l'utilisation de la fonction sans allumer constamment l'indicateur.

Les utilisations possibles incluent le rappel de conversations, l'identification d'objets et l'assistance contextuelle tout au long de la journée. En même temps, l'enregistrement des personnes autour soulève des problèmes concernant le consentement, le stockage des données, l'accès aux matériaux et leur utilisation pour entraîner des modèles.

Le projet est en phase de test et il n'existe pas de confirmation de lancement commercial. Le débat montre que le développement de dispositifs AI portables dépendra autant des mécanismes de confidentialité que de la performance technique.

Un agent AI a coordonné une levée de fonds de 100 millions de dollars

La startup Lyzr a utilisé son propre agent AI, SivaClaw, pour coordonner le processus d'une levée de fonds Series B de 100 millions de dollars, à une évaluation d'environ 500 millions. Le système a répondu aux questions venant de plus de 130 investisseurs, a rédigé des documents d'analyse et a suivi la manière dont les présentations étaient consultées.

La société affirme avoir attiré environ 400 millions de dollars d'intérêt de la Silicon Valley, du Moyen-Orient et du secteur financier, sans que les fondateurs aient à passer par le processus traditionnel de réunions et de déplacements. L'agent a géré les interactions et a aidé à prioriser les investisseurs.

L'utilisation de son propre produit dans un processus critique fonctionne également comme une démonstration commerciale. Lyzr montre que les agents peuvent gérer de grands volumes de questions, de documents et de signaux comportementaux, maintenant une trace structurée du processus.

Le cas n'élimine pas le rôle des humains dans la négociation et la décision, mais change la répartition du travail. Les activités répétitives et l'analyse initiale peuvent être automatisées, et l'équipe peut intervenir à des moments nécessitant des relations, de la stratégie et une prise de responsabilité.

L'attaque par ransomware exécutée par l'AI a encore besoin de coordination humaine

Les chercheurs de Sysdig ont documenté JadePuffer, une opération décrite comme le premier cas connu de ransomware agentique. Un agent AI a réalisé l'exécution technique de l'attaque : il a exploité un serveur vulnérable, a volé des identifiants, s'est déplacé à travers le réseau, a crypté des fichiers et a rédigé le message de rançon.

Les affirmations initiales selon lesquelles l'attaque aurait fonctionné sans surveillance humaine ont été ultérieurement clarifiées. Une personne a choisi la victime, a préparé l'infrastructure de commande et de contrôle, a configuré les serveurs pour les données volées et a orienté l'opération.

La distinction est importante pour l'évaluation des risques. L'AI peut automatiser une partie de plus en plus grande de l'exécution et s'adapter aux obstacles, mais les attaques réelles restent liées à des objectifs, à une infrastructure et à des décisions établies par des opérateurs humains.

Pour les équipes de sécurité, le ransomware agentique peut réduire le niveau de compétence nécessaire pour mener une attaque et peut augmenter la vitesse des opérations. La défense doit combiner la détection comportementale, la segmentation du réseau et la limitation des privilèges, sans supposer que l'attaquant suivra des étapes rigides.

L'ONU crée un groupe international pour la confiance dans les agents AI

L'Union internationale des télécommunications, l'agence de l'ONU pour les technologies numériques, a lancé une initiative dédiée à la création de confiance dans les agents AI. Le nouveau groupe développera des cadres pour l'identification, la responsabilité et le contrôle des systèmes capables d'agir de manière indépendante au nom des utilisateurs.

Les agents peuvent programmer des activités, réaliser des achats, initier des transactions et gérer des processus d'affaires. À mesure que leur autonomie augmente, des risques apparaissent concernant l'imitation, les actions non autorisées et la difficulté à établir qui est responsable d'une décision.

L'initiative vise à établir des principes communs qui permettront de vérifier l'identité d'un agent, de la personne ou de l'organisation qu'il représente et des limites de son mandat. Les domaines sensibles mentionnés incluent les transactions financières et l'infrastructure critique.

Pour les développeurs de logiciels, le sujet indique la nécessité de normes d'audit, d'autorisation et d'intervention humaine. Les agents utiles à grande échelle devront démontrer non seulement leur performance, mais aussi leur traçabilité et leur comportement contrôlable.

Mistral lance son premier modèle pour la navigation des robots

Mistral AI a lancé Robostral Navigate, un modèle de 8 milliards de paramètres conçu pour le déplacement autonome des robots dans des environnements complexes. Le système utilise une seule caméra RGB et des instructions en langage naturel pour orienter le robot vers sa destination.

Le modèle combine la navigation basée sur l'indication de points avec des mécanismes d'apprentissage continu et est présenté comme indépendant du matériel. Mistral affirme qu'il peut être installé sur différentes flottes et peut adapter son parcours dans des espaces avec des personnes et des obstacles qu'il n'a pas rencontrés auparavant.

Robostral Navigate peut être utilisé dans des bureaux, des bâtiments résidentiels et commerciaux ou dans des espaces extérieurs. Le lancement étend le portefeuille de Mistral au-delà des modèles conversationnels et suit des collaborations avec des entreprises industrielles telles qu'Airbus et BMW.

Pour l'industrie du logiciel, le modèle montre la proximité entre l'AI générative, la perception visuelle et le contrôle des systèmes physiques. La mise en œuvre en production dépendra des tests de sécurité, de la latence, de l'intégration avec les capteurs et de la capacité à fonctionner de manière prévisible dans des situations imprévues.

La compétition AI se déplace des modèles plus grands vers des systèmes plus efficaces

La course à l'intelligence artificielle commence à être évaluée par plus que la taille des modèles et les résultats des benchmarks. À mesure que les entreprises passent des tests aux produits et aux flux opérationnels, les critères principaux deviennent l'adéquation du modèle à la tâche, le coût, l'accès aux données et l'environnement de mise en œuvre.

Les produits AI évoluent vers des systèmes qui choisissent automatiquement quel modèle utiliser, quand l'utiliser et quels outils ou sources de données doivent être connectés. L'orchestration, le routage et l'intégration deviennent des composants centraux, et le modèle n'est qu'une des pièces du produit final.

Le changement favorise les architectures multi-modèles, où les tâches simples sont envoyées vers des options rapides et bon marché, tandis que les problèmes complexes sont réservés aux modèles avancés. Les entreprises peuvent combiner des services cloud, des modèles open source et des mises en œuvre locales pour contrôler les coûts et les données.

Pour les leaders IT, l'avantage concurrentiel viendra de la qualité du système complet : évaluations, gouvernance, surveillance, sauvegarde et intégration dans les processus existants. Choisir le modèle le plus puissant ne garantit pas automatiquement le meilleur produit ou le meilleur résultat économique.

Synthèse réalisée avec l'aide d'un flux de surveillance assuré par Control F5 Software.