Forum du club des développeurs et IT Pro - Intelligence artificielle https://www.developpez.net/forums/ fr Sun, 14 Jun 2026 16:01:51 GMT vBulletin 15 https://forum.developpez.be/images/misc/rss.png Forum du club des développeurs et IT Pro - Intelligence artificielle https://www.developpez.net/forums/ Google DeepMind lance un modèle qui utilise la diffusion pour générer du texte en bloc plutôt que mot à mot https://www.developpez.net/forums/showthread.php?t=2184179&goto=newpost Thu, 11 Jun 2026 11:36:55 GMT *DiffusionGemma : Google... DiffusionGemma : Google DeepMind lance un modèle doté d'une nouvelle architecture appelée « diffusion parallèle » qui génère du texte en bloc et permet d'exécuter l'IA quatre fois plus rapidement en local

Google DeepMind lance un nouveau modèle d'IA appelé DiffusionGemma. Ce dernier utilise la diffusion pour générer du texte en bloc plutôt que mot à mot. Cette approche technique permet de multiplier par quatre la vitesse de traitement sur du matériel local, atteignant des performances impressionnantes sur des GPU grand public. Contrairement aux modèles classiques, ce système traite les données en parallèle, ce qui le rend très efficace pour des tâches complexes comme la résolution de Sudokus ou l'édition de code. Cette technologie est plus sujette aux erreurs que les méthodes traditionnelles, mais optimise l'utilisation de la puissance de calcul.

DiffusionGemma de Google DeepMind est un nouveau modèle issu de la quatrième génération de sa famille de modèles open source Gemma. Ce modèle expérimental, disponible sous licence libre Apache 2.0 via la plateforme Hugging Face, se distingue fondamentalement des autres systèmes d'IA par sa méthode de génération de texte. DiffusionGemma explore la diffusion de texte, une approche exceptionnellement rapide de la génération de texte.

Conçu en collaboration avec Nvidia, ce modèle « Mixture of Experts » (MoE) de 26 milliards de paramètres a été spécifiquement optimisé pour offrir une vitesse et une efficacité redoutables lors de son exécution sur du matériel local, ouvrant ainsi la voie à de nouvelles possibilités pour les développeurs.

Une architecture révolutionnaire basée sur la diffusion parallèle

Google DeepMind revendique une percée dans la génération de texte, rendant son modèle nettement plus rapide que la concurrence. La grande majorité des grands modèles de langage (LLM) actuels génèrent du texte de manière autorégressive, c'est-à-dire qu'ils prédisent et produisent les mots de gauche à droite, un token après l'autre. DiffusionGemma rompt avec cette approche séquentielle en s'inspirant des modèles de génération d'images.

Nom : ijk.png Affichages : 1130 Taille : 139,8 Ko

Le modèle commence par générer une zone de texte remplie de tokens de substitution (ou "bruit"), puis parcourt cette zone à de multiples reprises pour affiner progressivement les prédictions, produisant au final un grand bloc de texte en une seule fois. Cette nouvelle approche permet de générer jusqu'à 256 tokens en parallèle, déplaçant ainsi le goulot d'étranglement matériel de la bande passante de la mémoire vers la puissance de calcul brute.

Sur le plan technique, DiffusionGemma exploite une architecture Mixture of Experts comptant 26 milliards de paramètres au total, mais n'en activant que 3,8 milliards lors de l'inférence. Cette légèreté relative lui permet de fonctionner parfaitement dans les 18 Go de mémoire vive d'une carte graphique haut de gamme. En somme, selon le billet de blogue de Google DeepMind, les caractéristiques de ce nouveau modèle sont les suivantes :

  • génération parallèle : DiffusionGemma élimine le bruit sur jusqu’à 256 tokens par étape au lieu de les prédire un par un ;
  • basé sur Gemma 4 : DiffusionGemma s'appuie sur Gemma 4, un modèle de type « mixture-of-experts » de 26 milliards de paramètres qui n'active que 3,8 milliards de paramètres par étape, associant une tête de diffusion à l'architecture Gemma 4 de Google ;
  • des performances jusqu'à 4 fois plus rapides : ce gain de vitesse permet une génération de texte rapide, là où la génération par un seul utilisateur se bloque généralement, sur du matériel local ;
  • open source et local : DiffusionGemma est un modèle à poids ouverts sous une licence Apache 2.0 permissive et fonctionne entièrement sur RTX et DGX Spark (sans cloud, sans coût par token) avec une prise en charge immédiate dans Hugging Face Transformers, vLLM et Unsloth.


Le modèle génère environ 700 tokens par seconde sur une carte RTX 5090 grand public, et dépasse les 1 000 tokens par seconde sur un accélérateur professionnel Nvidia H100. Cela représente un rendement environ quatre fois supérieur à celui des modèles Gemma autorégressifs de taille équivalente.

Cette génération parallèle et cette capacité à s'autocorriger sur de vastes ensembles de jetons confèrent au modèle des avantages uniques pour des tâches non linéaires complexes, telles que l'édition de texte en ligne, le séquençage moléculaire, la résolution de puzzles Sudoku ou encore la création de graphiques mathématiques. De plus, cette réduction drastique de la latence rend ce modèle idéal pour des usages interactifs comme le codage.

Les défis inhérents à l'approche par diffusion parallèle

Si cette technologie est prometteuse, Google admet qu'elle n'est pas encore prête à remplacer les modèles autorégressifs classiques dans les grands centres de données en raison de plusieurs limites. Le principal obstacle est un taux d'erreur plus élevé et plus punitif. Dans une image générée par l'IA, un pixel erroné passe inaperçu, mais le langage étant un système discret, un seul token textuel incorrect peut priver tout un paragraphe de son sens.

Par ailleurs, le modèle est inefficace pour les réponses courtes. Il gaspille en effet d'importantes ressources de calcul en effectuant un travail parallèle massif, même lorsqu'il s'agit de générer une réponse de seulement cinq mots, tâche qu'un modèle classique aurait accomplie très simplement en cinq étapes

L'offensive stratégique de Nvidia pour dominer l'exécution locale

L'optimisation de DiffusionGemma met en lumière la stratégie agressive de Nvidia sur le marché de l'inférence locale. En optimisant ce modèle pour l'ensemble de son écosystème matériel, allant des GPU grand public GeForce RTX aux systèmes professionnels DGX Spark et RTX PRO, Nvidia cherche à s'imposer comme la plateforme par défaut face aux entreprises de plus en plus soucieuses des coûts du cloud et de la confidentialité de leurs données.

Nom : updated-Intelligence_vs_Latency_.width-1000.format-webp-980x552.png Affichages : 905 Taille : 87,1 Ko

Cette démarche est d'autant plus importante que des concurrents comme AMD, Intel et Apple avancent rapidement sur le marché de l'IA embarquée. Par ailleurs, la nature « open source » du modèle DiffusionGemma sert parfaitement le modèle économique de Nvidia : contrairement aux API fermées facturées à l'usage, Nvidia génère ses profits lorsque les développeurs achètent des cartes graphiques pour faire tourner ces modèles localement.

Ainsi, chaque modèle open source optimisé par l'entreprise devient un puissant argument de vente pour ses propres composants matériels. Ce modèle expérimental est désormais accessible en open source, offrant également aux chercheurs un outil puissant pour explorer de nouvelles frontières en IA.

L'IA commence à perdre de son élan et la bulle menace d'éclater

L'industrie de l'IA traverse une crise de viabilité financière majeure et la bulle a de moins en moins de chance de se maintenir. Dans un nouvel article, Edward Zitron réaffirme que l'industrie de l'IA est un gouffre financier insoutenable qui repose sur des projections absurdes et une dette abyssale. Alors que les entreprises recherchent désespérément un modèle économique rentable, l'analyste constate que toute l'industrie commence à ralentir.

Si l'on se fie aux données de Sightline Climate datant de février, 190 GW de centres de données sont prévus afin de répondre aux besoins énergétiques de l'IA. Par ailleurs, si l'on prend au pied de la lettre la déclaration du PDG de Nvidia, Jensen Huang, selon laquelle les centres de données coûteront entre 80 et 100 milliards de dollars par gigawatt, cela signifie que ces centres de données coûteront entre 9 500 et 15 000 milliards de dollars.

Pour justifier les investissements massifs actuels, notamment les 190 gigawatts de centres de données prévus coûtant potentiellement jusqu'à quinze mille milliards de dollars, le secteur devra générer plus de 3 000 milliards de dollars de revenus annuels d'ici 2030. Si les acteurs n'y parviennent pas, aucun des investissements en capital des centres de données n'aura de sens, et ni Anthropic ni OpenAI ne pourront honorer leurs engagements.

Les défenseurs de l'IA affirment souvent que le matériel coûtera moins cher à l'avenir ou que les entreprises sont déjà rentables sur l'inférence, c'est-à-dire l'utilisation des modèles. Cependant, l'analyste rejette cet argument, estimant que si le traitement des requêtes était réellement profitable, des acteurs comme Anthropic ne perdraient pas des milliards de dollars et ne chercheraient pas à imposer des abonnements mensuels coûteux à leurs clients.

Sources : Google, Nvidia

Et vous ?

:fleche: Quel est votre avis sur le sujet ?
:fleche: Que pensez-vous du nouveau modèle DiffusionGemma de Google DeepMind ?
:fleche: Que pensez-vous de l'approche par diffusion parallèle sur laquelle est basée DiffusionGemma ?
:fleche: L'architecture basée sur la diffusion parallèle comporte de nombreuses limites. Qu'en pensez-vous ?

Voir aussi

:fleche: L'IA perd de son élan au moment même où les entreprises du secteur doivent accélérer pour éviter le désastre économique, la bulle spéculative exige une croissance de revenus irréaliste pour se maintenir

:fleche: Le nouveau modèle Gemma 4 12B de Google est conçu pour fonctionner sur n'importe quel ordinateur portable doté de 16 Go de RAM, la moitié de l'empreinte mémoire totale de Gemma 4 26B MoE

:fleche: Google DeepMind lance Gemma 4, qu'il présente comme son modèle ouvert le plus intelligent à ce jour, axé sur le raisonnement avancé, destiné aux développeurs, aux centres de données et aux smartphones
Images attachées
  
]]> Intelligence artificielle Mathis Lucas https://www.developpez.net/forums/d2184179/general-developpement/algorithme-mathematiques/intelligence-artificielle/google-deepmind-lance-modele-utilise-diffusion-generer-texte-bloc-plutot/ <![CDATA[Ladybird met fin aux pull requests publiques en raison de préoccupations liées à l'IA et à la sécurité]]> https://www.developpez.net/forums/showthread.php?t=2184164&goto=newpost Wed, 10 Jun 2026 13:08:25 GMT *Le navigateur Ladybird met... Le navigateur Ladybird met fin aux pull requests publiques en raison de préoccupations liées à l'IA et à la sécurité, car la GenAI produit rapidement d'importantes contributions de code, mais avec des risques

Le navigateur Ladybird a décidé de ne plus accepter les pull requests publiques à l'approche du lancement de sa version alpha, invoquant des préoccupations liées à l'intelligence artificielle (IA) et à la sécurité. Dirigé par son créateur, Andreas Kling, le projet limitera ainsi les modifications du code aux mainteneurs afin de réduire les risques liés au code généré par l'IA, qui pourrait introduire des vulnérabilités cachées dans le navigateur. Dans le cadre de ce changement, les forks externes et les dépôts de correctifs ne seront plus considérés comme une file d'attente de révision et les contributeurs sont invités à se concentrer sur les rapports de bogues, les tests, les rapports de sécurité et les commentaires techniques qui permettent d'améliorer le projet.

Ladybird est un navigateur web open source développé par la Ladybird Browser Initiative, une organisation à but non lucratif dédiée au développement du navigateur. Il est distribué sous licence BSD à deux clauses. Une version alpha est prévue pour 2026, une version bêta est attendue en 2027, et une version stable destinée au grand public est prévue pour 2028. À l'origine composant de SerenityOS, il est désormais développé en tant que projet autonome. L'initiative est entièrement financée par des dons, avec Cloudflare, FUTO, Shopify et 37signals parmi ses sponsors.

Le navigateur Ladybird a annoncé qu'il n'accepterait plus les pull requests publiques, limitant ainsi les modifications du code aux mainteneurs du projet, alors que l'équipe se prépare à lancer sa première version alpha. Son créateur, Andreas Kling, a expliqué que cette décision faisait suite à l'essor de l'IA générative, qui est désormais capable de produire rapidement d'importantes contributions de code, même lorsque l'auteur n'en comprend pas pleinement les implications en matière de sécurité ou de fonctionnalité.

Cette décision fait suite à l'annonce par Ladybird de la réécriture de certaines parties de sa base de code C++ en Rust, un langage choisi pour ses garanties de sécurité et la maturité de son écosystème. Selon son fondateur, Andreas Kling, ce portage a déjà généré environ 25 000 lignes de code Rust et s'est appuyé sur une utilisation structurée et dirigée par l'homme d'outils de codage IA tels que Claude Code et Codex.


L'équipe souligne que cela revêt une importance particulière pour un navigateur, car celui-ci traite du contenu non vérifié provenant d'Internet directement sur les machines des utilisateurs. Une seule faille cachée pourrait mettre les utilisateurs en danger, tandis que l'examen des pull requests générées par l'IA alourdirait la charge de travail et les responsabilités des mainteneurs. Dans le cadre de ce changement, toutes les pull requests publiques en cours sont en cours de clôture, et les forks externes ne seront plus considérés comme des files d'attente informelles pour la révision.

Les contributeurs sont désormais invités à se concentrer sur les rapports de bogues, les cas de test simplifiés, les discussions sur les normes, les tests du site web, les rapports de sécurité et les commentaires techniques. Ladybird reste un projet open source, dont le code source est toujours accessible au public, mais le projet renforce les critères d'intégration du code dans le dépôt officiel, car les contributions générées par l'IA sont de plus en plus difficiles à évaluer.

Voici le communiqué de Ladybird :

«

Aujourd’hui, nous modifions la manière dont le code est intégré au projet Ladybird.

Nous n’accepterons plus les pull requests publiques. Désormais, seules les mainteneurs du projet pourront apporter des modifications au code source de Ladybird.

Ladybird entre dans une nouvelle phase. Alors que nous nous préparons à notre première version alpha, le projet a besoin d’un processus de développement plus rigoureux, d’un modèle de sécurité plus clair et d’un cercle restreint de personnes responsables du code intégré au navigateur.

Ce n'est pas une décision que nous prenons à la légère. Au fil des ans, de nombreuses contributions précieuses sont venues de personnes extérieures au groupe des mainteneurs, et nous leur en sommes reconnaissants. Beaucoup d'entre nous ont d'ailleurs fait leurs premiers pas dans l'open source en envoyant des correctifs aux projets qui nous tenaient à cœur.

Depuis des décennies, c'est grâce aux contributions de code que les projets open source ont appris à qui faire confiance. Les gens se manifestaient, faisaient le travail, assumaient la responsabilité de leurs modifications et restaient dans la communauté. Au fil du temps, la confiance s'est forgée à partir du travail lui-même.

Les outils d'IA ont très rapidement bouleversé la donne dans ce domaine. Nous les utilisons nous-mêmes tous les jours, mais une pull request ne nous en dit plus autant qu'avant sur la personne qui la soumet. Autrefois, un correctif important impliquait un effort considérable, et cet effort constituait un indicateur raisonnable de bonne foi. Cette hypothèse ne tient plus.

Pour un navigateur, c'est crucial. Un navigateur exécute sur l'ordinateur de l'utilisateur des données non vérifiées provenant de l'ensemble d'Internet, et il suffit à un pirate d'une seule faille bien dissimulée. Nous avons déjà observé, dans le domaine de l'open source, des campagnes menées avec patience et des moyens importants pour gagner la confiance des mainteneurs et en abuser. Ce qui a changé, c'est qu'il est désormais beaucoup plus rapide et moins coûteux de produire un travail qui ressemble à une contribution sérieuse.

Par ailleurs, chaque modification intégrée à Ladybird relève désormais de notre responsabilité. Elle doit s'intégrer à l'architecture, résister aux refactorisations futures, interagir correctement avec le reste du navigateur et être compréhensible pour les personnes chargées de sa maintenance.

Que le code ait été tapé à la main ou non n'a aucune importance. Ce qui compte, c'est qui en est responsable une fois qu'il est intégré au navigateur. Ladybird est en train de devenir un navigateur destiné à de vrais utilisateurs. Les personnes qui y apportent des modifications doivent être celles qui décident que ces modifications ont leur place dans le projet, et qui en assumeront les conséquences.

Dans le cadre de ce changement, nous allons fermer toutes les pull requests publiques actuellement ouvertes. Nous sommes reconnaissants du travail que chacun y a consacré, mais le fait de laisser la file d'attente existante ouverte reviendrait, dans la pratique, à maintenir cette voie de contribution ouverte. Il n'y a pas de moment idéal pour effectuer ce changement, c'est pourquoi nous le faisons dès maintenant. À l'avenir, les pull requests ne seront accessibles qu'aux mainteneurs de projets.

Il n'y aura pas de procédure distincte pour soumettre des correctifs par d'autres moyens. Nous ne souhaitons pas créer un système parallèle de contribution via des tickets, des commentaires, des e-mails ou des forks. Le code externe peut bien sûr exister dans le respect des conditions de la licence, mais nous ne considérerons pas les forks ni les dépôts de correctifs comme une file d'attente de révision pour le projet Ladybird en amont.

Ladybird reste un projet open source. Le code source continuera d'être accessible au public sous une licence open source. La participation de la communauté reste essentielle : des rapports de bogues clairs, des corrections, des tests du site web, des discussions sur les normes, des discussions sur la conception, des rapports de sécurité et des commentaires techniques contribuent tous à faire avancer le projet.

C'est le changement qu'il faut à Ladybird en ce moment. Nous nous préparons à mettre un navigateur à la disposition d'utilisateurs réels, et notre processus de développement doit être à la hauteur de cette responsabilité.

»

La prudence affichée par Ladybird à l'égard du code généré par l'IA trouve un écho dans plusieurs études récentes consacrées à la qualité des contributions assistées par l'IA. Une étude récente menée par CodeRabbit sur 470 pull requests open source publiées sur GitHub a révélé que le code généré par l'IA comportait plus de bogues et d'erreurs que le code produit par l'homme. Selon cette étude, les pull requests effectuées à l'aide de l'IA présentaient en moyenne 10,83 problèmes, contre 6,45 pour celles rédigées uniquement par des développeurs humains. CodeRabbit a également souligné que les défauts liés à la logique, à la maintenabilité, à la sécurité, aux performances et à la lisibilité étaient plus fréquents dans le code généré par l'IA.

Source : Ladybird

Et vous ?

:fleche: Quel est votre avis sur le sujet ?
:fleche: Trouvez-vous cette initiative de Ladybird cohérente et pertinente ?

Voir aussi :

:fleche: Le créateur de SerenityOS travaille sur Ladybird, un tout nouveau navigateur indépendant et conforme aux normes Web, qui ne s'appuie sur aucun code d'autres navigateurs et aucun moteur de recherche par défaut

:fleche: Le navigateur Ladybird commencera à utiliser le langage Swift au lieu de C++ cet automne, car Swift offre une sécurité de la mémoire et est également un langage moderne avec une ergonomie solide

:fleche: Ladybird, le projet qui vise à créer un navigateur indépendant, est désormais piloté par une organisation à but non lucratif avec une contribution de 1 million de dollars du fondateur de GitHub ]]> Intelligence artificielle Anthony https://www.developpez.net/forums/d2184164/general-developpement/algorithme-mathematiques/intelligence-artificielle/ladybird-met-fin-aux-pull-requests-publiques-raison-preoccupations-liees-l-ia-securite/ Anthropic présente ses excuses pour les mesures de sécurité invisibles de son modèle Claude Fable 5 https://www.developpez.net/forums/showthread.php?t=2184162&goto=newpost Wed, 10 Jun 2026 09:51:07 GMT *Anthropic lance Claude Fable... Anthropic lance Claude Fable 5, un modèle d'IA de classe Mythos doté d'un nouvel ensemble de mesures de sécurité visant à empêcher que ses capacités les plus dangereuses ne tombent entre de mauvaises mains

Anthropic a annoncé Claude Fable 5, un modèle de la classe Mythos qui sera mis à la disposition de ses clients professionnels et de ses abonnés payants. La société a dévoilé Mythos en avril et en a limité le déploiement en raison de ses capacités avancées en matière de cybersécurité. Anthropic a déclaré que la mise à disposition générale de Claude Fable 5 était possible grâce à de nouvelles mesures de sécurité qui bloquent les réponses dans des domaines spécifiques à haut risque

Anthropic PBC est une entreprise américaine spécialisée dans l'intelligence artificielle (IA) dont le siège social se trouve à San Francisco, en Californie. Elle a développé une série de grands modèles de langage (LLM) baptisés Claude et met l'accent sur la sécurité de l'IA. Anthropic a été fondée en 2021 par d'anciens membres d'OpenAI, dont les frère et sœur Daniela Amodei et Dario Amodei, respectivement présidente et PDG. L'entreprise est privée et, en mai 2026, sa valeur était estimée à 965 milliards de dollars.

Fin mars 2026, le dernier modèle d'IA d'Anthropic a fait l'objet d'une fuite avant même son lancement et a fait grand bruit sur les réseaux sociaux. Le nouveau modèle, dont le nom de code est « Claude Mythos », a été révélé accidentellement. Mais Anthropic a annoncé qu'il ne commercialiserait pas Mythos au grand public, invoquant la crainte qu'il ne soit trop efficace pour détecter des failles de cybersécurité de gravité élevée dans les principaux systèmes d'exploitation et navigateurs web. « L'augmentation considérable des capacités de Claude Mythos Preview nous a amenés à décider de ne pas le rendre accessible au grand public », a déclaré Anthropic.

Deux mois après avoir déployé Mythos auprès d'un nombre limité d'utilisateurs, invoquant des inquiétudes quant au potentiel de ce modèle d'intelligence artificielle à causer des dommages s'il tombait entre de mauvaises mains, la société a déclaré être prête à mettre à la disposition du public un modèle tout aussi puissant. Anthropic a annoncé Claude Fable 5, un modèle de la classe Mythos qui sera accessible à ses clients professionnels et à ses abonnés payants. La société a déclaré que cette mise à disposition à grande échelle était rendue possible par de nouvelles mesures de sécurité qui bloquent les réponses dans des domaines spécifiques à haut risque, notamment la cybersécurité et la biologie.

« Pour nous, il s’agit vraiment de ce que nous appelons la “course vers le sommet”, c’est-à-dire être en mesure de fournir cette technologie de manière utile, tout en mettant en place les garde-fous de sécurité appropriés afin qu’elle apporte, de manière asymétrique, plus d’avantages que de risques », a déclaré Dianne Penn, responsable de la gestion des produits de recherche chez Anthropic.


Anthropic a captivé Wall Street et les responsables gouvernementaux en avril avec le dévoilement de Mythos, qui excelle dans l’identification des failles de sécurité au sein des logiciels. La société avait déclaré qu’elle ne prévoyait pas de rendre le modèle accessible au grand public, et elle a limité son déploiement à un groupe restreint d’entreprises dans le cadre d’une initiative de cybersécurité appelée Project Glasswing.

Mais avec le lancement de Claude Fable 5, Anthropic concrétise son « objectif à terme » déclaré de déployer à grande échelle des modèles de la classe Mythos. L’entreprise tire également parti de la dynamique croissante et de l’intérêt des investisseurs pour sa technologie, en prévision d’une introduction en bourse potentiellement massive, qui devrait avoir lieu dès cette année. Anthropic a déclaré que Claude Fable 5 affichait des « performances exceptionnelles » dans les tâches d’ingénierie logicielle et de travail intellectuel. Selon un article de blog, il a obtenu des scores supérieurs de plus de 10 % à ceux de Claude Opus 4.8, un autre modèle annoncé par l’entreprise à la fin du mois dernier, lors de certains tests de performance.

Claude Fable 5 représente un « bond en avant significatif » en termes de capacités, raison pour laquelle Anthropic a dû mettre en place des garde-fous supplémentaires pour prévenir toute utilisation abusive, a déclaré Penn. Si un utilisateur pose une question à haut risque, comme par exemple comment fabriquer de la ricine, une toxine, le modèle bloquera sa réponse et se rabattra sur Claude Opus 4.8 pour fournir une réponse sûre. « Ce que nous voulions, c’était nous attacher tout particulièrement à mettre en place de nouveaux types de classificateurs et de nouvelles mesures de sécurité pour ce lancement », a déclaré Penn.

Anthropic a également lancé une version mise à jour du modèle Mythos, baptisée Claude Mythos 5. Il s’agit du même modèle sous-jacent que Claude Fable 5, mais les mesures de sécurité ont été levées dans certains domaines. Pourtant, un rapport récent de Google avait confirmé les craintes liées à Mythos en révélant avoir réussi à bloquer une cyberattaque de grande envergure au cours de laquelle des cybercriminels ont utilisé l'IA pour découvrir une faille inconnue. Le message de Google est clair : l'ère des « hackers alimentés par l'IA » est officiellement arrivée.

Claude Fable 5 arrive quelques jours seulement après qu’Anthropic a annoncé avoir déposé en toute confidentialité son prospectus d’introduction en bourse auprès de la Securities and Exchange Commission, ouvrant la voie à une vente d’actions potentiellement historique après que la société a connu une période de croissance explosive cette année. Anthropic a déclaré en mai que son chiffre d’affaires annuel avait grimpé en flèche pour atteindre 47 milliards de dollars, contre environ 10 milliards de dollars l’année dernière. La société a récemment clôturé un tour de table avec une valorisation de 965 milliards de dollars, dépassant ainsi son principal rival, OpenAI, qui était évalué à 852 milliards de dollars fin mars.

Voici l'annonce d'Anthropic :

Claude Fable 5 et Claude Mythos 5

Nous lançons aujourd’hui Claude Fable 5 : un modèle de classe Mythos¹ que nous avons rendu sûr pour une utilisation grand public.

Les capacités de Fable 5 surpassent celles de tous les modèles que nous avons jamais mis à la disposition du grand public. Il est à la pointe de la technologie dans presque tous les benchmarks testés en matière de capacités d’IA, affichant des performances exceptionnelles dans l’ingénierie logicielle, le travail intellectuel, la vision, la recherche scientifique et bien d’autres domaines. Plus la tâche est longue et complexe, plus l’avance de Fable 5 sur nos autres modèles est importante.

La mise à disposition d’un modèle aussi performant comporte des risques. Sans mesures de sécurité, les capacités de Fable 5 dans des domaines tels que la cybersécurité pourraient être détournées pour causer de graves dommages. Nous avons donc lancé le modèle avec des mesures de sécurité qui font que les requêtes sur certains sujets recevront à la place une réponse de notre deuxième modèle le plus performant, Claude Opus 4.8. Afin de lancer le modèle à la fois en toute sécurité et rapidement, nous avons réglé ces mesures de sécurité de manière prudente : elles intercepteront parfois des requêtes inoffensives, bien qu’elles ne se déclenchent, en moyenne, que dans moins de 5 % des sessions. Avec l’arrivée de modèles plus performants dans les mois à venir, nous travaillons à améliorer nos mesures de sécurité et à réduire les faux positifs aussi rapidement que possible.

Pour un petit groupe de cyberdéfenseurs et de fournisseurs d’infrastructures, nous lançons également Claude Mythos 5. Il s'agit du même modèle sous-jacent que Fable 5, mais avec des mesures de sécurité assouplies dans certains domaines.2 Mythos 5 sera initialement déployé via le projet Glasswing, en collaboration avec le gouvernement américain, en tant que mise à niveau de Claude Mythos Preview. Il dispose des capacités de cybersécurité les plus puissantes de tous les modèles au monde. Nous avons l'intention d'étendre prochainement l'accès à Mythos 5 via un programme d'accès de confiance plus large.

Les capacités de modèles tels que Fable 5 et Mythos 5 ont le potentiel d’apporter un bienfait considérable au monde. Nous en avons vu les prémices dans le cadre du projet Glasswing, où ces modèles ont aidé les cyberdéfenseurs à sécuriser des logiciels d’une importance cruciale. Nous l’avons également constaté dans la recherche en sciences de la vie, où ces modèles émettent des hypothèses novatrices et accélèrent le développement de nouveaux traitements.

Fable 5 et Mythos 5 sont proposés à 10 $ par million de jetons d'entrée et 50 $ par million de jetons de sortie, soit moins de la moitié du prix de Claude Mythos Preview. Le lancement conjoint d'aujourd'hui constitue une nouvelle étape vers notre objectif : mettre des capacités d'IA avancées à la disposition du plus grand nombre d'utilisateurs possible, aussi rapidement et en toute sécurité que possible.

Évaluation de Claude Fable 5 et Claude Mythos 5

Le tableau ci-dessous compare les capacités de Fable 5 et Mythos 5 à celles d’autres modèles de pointe.

Nom : 1.jpg Affichages : 745 Taille : 79,4 Ko

Fable 5 et Mythos 5 peuvent fonctionner de manière autonome plus longtemps que n’importe quel modèle Claude précédent. Nous abordons ci-dessous la manière dont ces compétences s’appliquent à l’ingénierie logicielle, et passons en revue les capacités améliorées du modèle en matière de travail intellectuel, de vision, de mémoire et de recherche en sciences de la vie.

Ingénierie logicielle. Lors des premiers tests, Stripe a indiqué que Fable 5 avait permis de réduire des mois de travail d'ingénierie à quelques jours. Sur une base de code Ruby de 50 millions de lignes, le modèle a effectué en une journée une migration à l'échelle de l'ensemble du code qui aurait autrement nécessité plus de deux mois de travail manuel à toute une équipe. Fable 5 est également plus efficace en termes de tokens que les modèles Claude précédents : lors de l'évaluation FrontierCode de Cognition, qui teste la capacité des modèles à réussir des tâches de codage difficiles tout en respectant les normes des bases de code de production de haute qualité, Fable 5 obtient le meilleur score parmi les modèles de pointe, même avec un effort moyen.

Nom : 2.jpg Affichages : 660 Taille : 30,0 Ko
Nom : 3.jpg Affichages : 667 Taille : 24,9 Ko

Travail intellectuel. Fable 5 affiche de solides performances sur des tâches analytiques complexes. Sur le benchmark financier d’Hebbia pour le raisonnement de niveau senior, Fable 5 obtient le score le plus élevé de tous les modèles, avec des gains substantiels en matière de raisonnement basé sur des documents, d’interprétation de graphiques et de tableaux, et de résolution de problèmes. IMC a noté que Fable 5 a brillé dans leurs évaluations d’analyse de trading dans presque tous les domaines, y compris la recherche de faits, le raisonnement conceptuel, l’analyse des causes profondes et l’analyse de la valeur attendue.

Vision. Fable 5 est le nouveau modèle de pointe pour les tâches impliquant la vision. Il est capable d'extraire des chiffres précis à partir de figures scientifiques détaillées et d'effectuer des tâches complexes basées sur la vision, comme la reconstruction du code source d'une application web à partir de simples captures d'écran. Il nécessite également moins de support : par exemple, les modèles Claude précédents avaient du mal à jouer à Pokémon FireRed même avec des harnais leur fournissant des outils supplémentaires utiles, mais Fable 5 a battu FireRed avec un harnais minimal, basé uniquement sur la vision.


Mémoire et contexte étendu. Fable 5 conserve sa concentration sur des millions de tokens dans le cadre de tâches de longue durée et améliore ses résultats en s'appuyant sur ses propres notes. Lorsque nous avons fait jouer au modèle le jeu de construction de deck Slay the Spire, le fait de lui donner accès à une mémoire persistante basée sur des fichiers a permis de multiplier ses performances par trois par rapport à Opus 4.8 ; Fable a également atteint le dernier acte du jeu trois fois plus souvent.

Conception de médicaments : grâce à Mythos 5, nos experts internes en conception de protéines ont accéléré certains aspects du processus de conception de médicaments d’environ dix fois. Dans un exemple, ils ont constaté que Mythos 5, équipé d’outils de conception de protéines et de bio-informatique mais sans assistance humaine, égalait ou surpassait des opérateurs humains expérimentés. Ce faisant, le modèle exécute toutes les tâches normalement accomplies par un scientifique : choisir les sites de liaison, sélectionner et utiliser des outils de conception de protéines, et se remettre des échecs rencontrés en cours de route. Neuf des 14 cibles protéiques de cette étude (présentées ci-dessous) ont donné lieu à des candidats solides pour la conception de médicaments que nous étudions actuellement.

Hypothèses novatrices en biologie moléculaire. Mythos 5 est notre premier modèle à produire de manière constante des hypothèses scientifiques novatrices et convaincantes. Lors de comparaisons en aveugle avec des modèles de la classe Opus, nos scientifiques ont préféré les hypothèses de biologie moléculaire de Mythos dans environ 80 % des cas, et en ont soumis plusieurs à une évaluation expérimentale. Entre-temps, une hypothèse de Mythos — un mécanisme novateur pour une protéine d'E. coli — a été corroborée dans une étude menée par un laboratoire travaillant indépendamment sur le même problème.

Recherche novatrice en génomique. Mythos 5 a mené des recherches novatrices en génomique au cours d’une semaine de travail largement autonome. Il a assemblé des données unicellulaires pour des millions de cellules issues de 138 espèces animales, puis a conçu et entraîné un modèle d’apprentissage automatique sur mesure afin d’identifier les cellules remplissant le même rôle, même chez des organismes éloignés. Avec pour seule intervention humaine des instructions de haut niveau, le modèle entraîné de Mythos 5 a surpassé un modèle récent publié dans la revue Science, bien qu’il soit 100 fois plus petit. Nous avons l'intention de publier ces résultats dans les mois à venir.

Alignement. Lors de notre évaluation automatisée de l'alignement, nous avons constaté que le niveau de comportement non aligné de Mythos 5 (y compris les actions non alignées entreprises par le modèle, telles que la tromperie et la coopération avec une utilisation abusive du modèle par un utilisateur) était faible et similaire à celui d'Opus 4.8. Étant donné qu'ils reposent sur le même modèle sous-jacent, le niveau d'alignement de Fable 5 sera similaire. L'évaluation est décrite en détail, ainsi qu'une série complète d'autres tests de sécurité et de capacités, dans la fiche technique du modèle.

Nom : 4.jpg Affichages : 665 Taille : 21,5 Ko

Les nouvelles mesures de sécurité de Claude Fable 5

Les modèles de classe Mythos ont atteint un seuil où ils présentent des risques significatifs. En avril, nous avons lancé le projet Glasswing, en mettant à disposition le premier modèle de classe Mythos (Claude Mythos Preview) uniquement à un groupe restreint de cyberdéfenseurs et de fournisseurs d’infrastructures logicielles critiques. À cette occasion, nous avions déclaré que nous espérions à terme mettre les capacités de niveau Mythos à la disposition de tous nos utilisateurs, à condition d’avoir développé de nouvelles mesures de sécurité suffisamment solides pour empêcher de manière fiable toute utilisation abusive.

Au cours des derniers mois, nous avons amélioré ces mesures de sécurité, qui sont désormais suffisamment robustes pour une mise à disposition générale. Comme nous avons donné la priorité à la sécurité, nous avons délibérément réglé les mesures de sécurité de manière prudente, et elles restent plus strictes que ce qui serait idéal — par exemple, des requêtes parfois inoffensives déclencheront nos classificateurs. Nous reconnaissons que cela sera frustrant pour certains utilisateurs, et notre objectif est de réduire les faux positifs à mesure que nous mettrons à jour et affinerons les mesures de sécurité après le lancement.

Nous abordons ci-dessous chacune des nouvelles mesures de sécurité de Fable 5. Notre ensemble plus large de mesures de sécurité est présenté et évalué dans la fiche technique du modèle et dans notre dernier rapport sur les risques.

Classificateurs de sécurité

Les capacités de pointe en matière de cybersécurité et de biologie de recherche des modèles de classe Mythos signifient qu’ils présentent un risque substantiel d’amplification pour les acteurs malveillants. En d’autres termes, ces modèles pourraient fournir des informations ou des conseils aidant ces acteurs à causer des dommages graves, qu’ils n’auraient pas pu obtenir par d’autres sources (par exemple, via les moteurs de recherche sur Internet). De plus, une grande partie de l’utilisation avancée des modèles d’IA est à double usage : les mêmes requêtes qui sont bénéfiques entre les mains de professionnels de la cybersécurité et de chercheurs en biologie pourraient être dangereuses si elles étaient accessibles à des acteurs malveillants.

Nous avons donc besoin de mesures de protection solides pour prévenir les abus, et leur champ d’application doit être large. Ces mesures de protection doivent elles-mêmes résister à des tentatives soutenues et sophistiquées visant à les contourner (ce que l’on appelle également le « jailbreaking » du système). L’avantage procuré par les capacités de niveau Mythos est précieux pour de nombreux adversaires — par exemple, ceux qui pourraient tirer un profit financier de cyberattaques — et nous nous attendons donc à ce qu’ils soient motivés pour tenter de contourner nos mesures de sécurité.

Fable 5 intègre un nouvel ensemble de classificateurs : des systèmes d’IA distincts qui détectent les utilisations abusives potentielles, y compris les tentatives de contournement des restrictions, et empêchent le modèle principal (en l’occurrence Fable 5) de répondre. Nous utilisons des classificateurs sur nos modèles depuis un certain temps déjà, et ceux de Fable 5 constituent une extension de ces travaux antérieurs, avec une couverture élargie.

Lorsque les classificateurs de Fable détectent une requête liée à la cybersécurité, à la biologie et à la chimie, ou à la distillation, la réponse est automatiquement gérée par Claude Opus 4.8 à la place. Les utilisateurs seront informés chaque fois que cela se produit. Opus 4.8 est un modèle très performant en soi : une réponse qui revient à Opus offre une bien meilleure expérience qu’un refus catégorique de la part de Fable. Nos premières données montrent que plus de 95 % des sessions Fable n’impliquent aucun recours à un système de secours — pour ces sessions, les performances de Fable 5 sont pratiquement identiques à celles de Mythos 5.

Voici les domaines couverts par les classificateurs :

1. Cybersécurité. Les modèles de classe Mythos excellent dans la détection et l’exploitation des vulnérabilités logicielles. Ils peuvent ainsi rendre les cyberattaques nettement plus faciles et moins coûteuses à mener. Les modèles de classe Mythos font également preuve de solides compétences en matière de piratage agentique. Cela implique d’exécuter plusieurs étapes différentes d’une cyberattaque en plus de trouver des failles : reconnaissance, découverte, mouvement latéral, etc. Afin d'empêcher ces compétences en piratage agentique de renforcer les cyberattaques, nous avons conçu nos classificateurs de cybersécurité pour couvrir à la fois l'exploitation et les tâches cyberoffensives au sens large. Comme le montre le graphique ci-dessous, nos classificateurs empêchent Fable de progresser sur ces tâches.

Nom : 5.jpg Affichages : 716 Taille : 34,7 Ko

Nous avons soumis nos classificateurs à des tests approfondis de type « red team » afin d’évaluer leur résistance aux tentatives de contournement. Outre ces tests internes, nous avons lancé un programme externe de prime aux bogues qui n’a permis de découvrir aucun moyen universel de contournement après plus de 1 000 heures de tests. Les organisations externes de red teaming auxquelles nous avons fait appel n'ont elles non plus pas réussi à trouver de jailbreaks universels sur des tâches agentiques de longue durée jusqu'à présent — bien que l'AISI britannique ait fait des progrès en ce sens lors d'une brève phase de tests initiale.4 Il est probablement impossible d'empêcher complètement les jailbreaks universels, mais notre objectif est de rendre les jailbreaks restants suffisamment lents et coûteux pour que nous puissions les détecter et les empêcher avant qu'ils ne soient utilisés à grande échelle.

Le graphique ci-dessous, issu de l’une de nos évaluations internes, illustre comment les mesures de protection de Fable 5 lui confèrent une plus grande résistance aux jailbreaks que nos modèles précédents accessibles au grand public :

Nom : 6.jpg Affichages : 655 Taille : 28,2 Ko

L’un de nos partenaires externes a constaté que les mesures de protection de Fable 5 contre les requêtes cybernétiques nuisibles étaient les plus robustes de tous les modèles testés (y compris Opus 4.8 et Opus 4.7). Fable 5 n’a donné suite à aucune requête nuisible en un seul tour concernant la planification d’une cyberattaque, le développement d’exploits ou le contournement des défenses. Cela s’est vérifié que l’une des requêtes utilise ou non l’une des 30 techniques de contournement publiques différentes.

2. Biologie et chimie. Nous utilisons depuis longtemps nos classificateurs pour empêcher nos modèles de répondre à une sélection restreinte de requêtes liées aux armes biologiques. Mais nous ne sommes plus certains que le blocage de cette sélection restreinte soit suffisant. Cela s’explique par deux raisons : premièrement, nous avons des raisons de nous inquiéter que des acteurs malveillants disposant de ressources importantes tentent de tirer parti de nos modèles pour mener des recherches biologiques à haut risque. Deuxièmement, les modèles ont désormais une plus grande capacité à accomplir des tâches scientifiques concrètes.

Par exemple, nous avons testé la capacité de Mythos 5 à franchir une étape difficile dans la conception de virus adéno-associés (AAV). Les AAV sont un vecteur utilisé pour l'administration de thérapies géniques, mais cette même capacité, entre de mauvaises mains, pourrait permettre la conception de virus dangereux. Dans le cadre de cette tâche, divers modèles d'IA ont été évalués sur leur capacité à prédire l'impact d'une modification génétique sur l'assemblage de l'enveloppe externe du virus (parmi un ensemble de candidats non publiés pertinents sur le plan thérapeutique développés par Dyno Therapeutics). Nous n'avons pas explicitement entraîné nos modèles pour accomplir cette tâche ; pourtant, les modèles de la classe Mythos ont surpassé des modèles sophistiqués dédiés aux tâches protéiques (connus sous le nom de « modèles de langage protéique ») en s'appuyant uniquement sur leur raisonnement biologique. Cela démontre une capacité prometteuse à accomplir des tâches simples mais importantes dans la recherche et le développement en thérapie génique, mais met également en évidence le risque posé par de telles capacités à double usage.

Nom : 7.jpg Affichages : 657 Taille : 29,1 Ko

Notre priorité était de lancer Fable en toute sécurité dès que possible, même au prix de mesures de sécurité trop larges. Par conséquent, pour le moment, nous avons fait en sorte que Fable se rabatte sur Opus 4.8 pour la plupart des requêtes liées à la biologie et à la chimie. Comme pour tous nos classificateurs, nous espérons réduire ces mesures de sécurité dès que possible : comme le montrent les éléments ci-dessus, Fable présente un grand potentiel d’applications positives pour la science, et nous ne voulons pas que des faux positifs de nos classificateurs viennent entraver cela. Dans les semaines à venir, certains chercheurs et entreprises biomédicaux pourront rejoindre notre programme d’accès privilégié aux capacités biologiques de Mythos 5 (abordé ci-dessous).

3. Distillation. Nous avons précédemment identifié des tentatives à grande échelle visant à extraire (« distiller ») les capacités de Claude pour entraîner des modèles concurrents dans des pays autoritaires. La distillation des capacités de Fable 5 pourrait indirectement conduire à la prolifération de capacités d’IA proches de la frontière — et celles-ci pourraient être diffusées sans les mesures de protection appropriées. Les requêtes signalées par nos classificateurs comme faisant partie de telles tentatives de distillation seront redirigées vers Opus 4.8.

Une nouvelle politique de conservation des données

Enfin, nous modifions la manière dont nous traitons les données des clients professionnels pour Fable 5, Mythos 5 et les futurs modèles présentant des niveaux de capacité similaires ou supérieurs. Nous exigerons une conservation de 30 jours pour l’ensemble du trafic sur les modèles de classe Mythos, tant sur les interfaces propriétaires que tierces. Nous n'utiliserons pas ces données pour entraîner de nouveaux modèles Claude, ni à des fins non liées à la sécurité, et nous avons mis en place de nouvelles mesures de protection de la vie privée, notamment l'enregistrement de tous les accès humains aux données et la garantie de leur suppression après 30 jours dans presque tous les cas (voir cet article pour plus de détails). Ces données nous aideront à nous défendre contre des attaques complexes et inédites (y compris de nouveaux jailbreaks et des attaques s'étendant sur de nombreuses requêtes), ainsi qu'à identifier et réduire les faux positifs.

Claude Mythos 5 et le programme d'accès de confiance

À compter d'aujourd'hui, tous les utilisateurs qui ont actuellement accès à Claude Mythos Preview (par exemple, nos partenaires en cybersécurité du projet Glasswing) pourront passer à Claude Mythos 5 — le même modèle que Claude Fable 5, mais sans les mesures de protection contre les cyberattaques. Les utilisateurs trouveront Mythos 5 comparable, voire légèrement plus performant que Mythos Preview dans la plupart des cas, tout en étant nettement moins coûteux.

En concertation avec le gouvernement américain, nous prévoyons d'étendre progressivement l'accès à Claude Mythos 5, en poursuivant l'ajout régulier de nouveaux partenaires et en mettant en place un programme d'accès sécurisé permettant aux organismes de cybersécurité de postuler de manière plus systématique.

Nos projets incluent également le lancement d’un programme d’accès sécurisé dédié à la biologie, afin de contribuer à accélérer la recherche biomédicale et à découvrir de nouveaux traitements grâce aux capacités de la classe Mythos. Ce programme permettra d’accéder à Fable 5 sans les restrictions en biologie et en chimie (mais en conservant les restrictions en matière de cybersécurité). Il recrutera un petit nombre de chercheurs issus de diverses organisations des sciences de la vie, couvrant la recherche fondamentale et translationnelle ; nous prévoyons d’élargir l’accès à ce programme tout en améliorant nos mesures de sécurité.

Disponibilité

Claude Fable 5 est disponible partout dès aujourd’hui. Claude Mythos 5 est réservé aux partenaires Glasswing (avec les mesures de sécurité cyberlevées) et bientôt à certains chercheurs en biologie (avec les mesures de sécurité en biologie et chimie levées) uniquement, jusqu’à ce que notre programme d’accès de confiance plus large soit disponible.

Le tarif pour les deux modèles est de 10 $ par million de jetons d’entrée et de 50 $ par million de jetons de sortie. Les développeurs peuvent utiliser claude-fable-5 via l'API Claude.

Nous nous attendons à ce que la demande pour Fable 5 soit très forte et difficile à prévoir. Sur l'API Claude et les forfaits Enterprise basés sur la consommation, Fable 5 est entièrement disponible dès aujourd'hui. Pour les forfaits d'abonnement, nous préférons donner accès le plus tôt possible, c'est pourquoi nous procédons à un déploiement plus prudent, par étapes :

- À partir d'aujourd'hui et jusqu'au 22 juin, Fable 5 est inclus dans les forfaits Pro, Max, Team et Enterprise basés sur le nombre de postes, sans frais supplémentaires.
- Le 23 juin, nous retirerons Fable 5 de ces forfaits. Son utilisation après cette date nécessitera des crédits d'utilisation. Si la capacité le permet, nous prolongerons la période d'inclusion.
- À partir de ce moment-là, lorsque la capacité disponible nous le permettra, nous avons pour objectif de réintégrer Fable 5 dans les formules d'abonnement en tant que fonctionnalité standard. Nous comptons le faire aussi rapidement que possible.

Tout au long de cette période, nous communiquerons à l'avance sur tout changement afin que les utilisateurs sachent où en sont les choses.

Source : Annonce de Claude Fable 5

Et vous ?

:fleche: Pensez-vous que cette annonce est crédible ou pertinente ?
:fleche: Quel est votre avis sur le sujet ?

Voir aussi :

:fleche: Anthropic, créateur de Claude, l'un des modèles d'IA les plus populaires du marché, lance le processus en vue d'une introduction en bourse, après avoir annoncé que sa valorisation atteignait 965 milliards $§

:fleche: GPT-5.5 d'OpenAI rivalise avec Claude Mythos d'Anthropic en matière de capacités de cyberattaque : la cybermenace représentée par Mythos ne serait pas une avancée propre à un seul modèle

:fleche: Le S&P 500 rejette SpaceX et refuse également l'entrée à OpenAI et Anthropic : SpaceX ne bénéficiera pas d'un accès accéléré à des milliards $ supplémentaires par le biais de fonds d'investissement passifs
Images attachées
       
]]> Intelligence artificielle Jade Emy https://www.developpez.net/forums/d2184162/general-developpement/algorithme-mathematiques/intelligence-artificielle/anthropic-presente-excuses-mesures-securite-invisibles-modele-claude-fable-5-a/ <![CDATA[Quand l'IA se construit elle-même : nos progrès vers l'auto-amélioration récursive]]> https://www.developpez.net/forums/showthread.php?t=2184157&goto=newpost Tue, 09 Jun 2026 19:13:03 GMT Quand l'IA se construit elle-même : nos progrès vers l'auto-amélioration récursive et leurs implications, par Anthropic

Pendant la majeure partie de l'histoire de l'IA, ce sont les humains qui ont piloté chaque étape de son cycle de développement. Mais chez Anthropic, nous confions une part croissante du développement de l'IA aux systèmes d'IA eux-mêmes, ce qui accélère notre travail.

Poussée à son paroxysme et dotée de ressources informatiques suffisantes, cette tendance laisse entrevoir un système d'IA capable de concevoir et de développer de manière entièrement autonome son propre successeur. C'est ce qu'on appelle l'auto-amélioration récursive. Nous n'en sommes pas encore là, et l'auto-amélioration récursive n'est pas inévitable. Mais elle pourrait survenir plus tôt que la plupart des institutions ne s'y sont préparées.

En s'appuyant sur des benchmarks publics et des données internes à Anthropic qui n'avaient jamais été divulguées, l'Anthropic Institute démontre que l'IA accélère déjà le développement des systèmes d'IA. Pour ne citer qu'un exemple : aujourd'hui, les ingénieurs d'Anthropic livrent en moyenne huit fois plus de code par trimestre qu'ils ne le faisaient entre 2021 et 2025.

Les tendances techniques abordées dans cet article suggèrent que les systèmes d'IA vont devenir bien plus performants dans les années à venir. Ces tendances ont des implications considérables. Une IA capable de se construire elle-même constituerait une avancée majeure dans l'histoire de la technologie, susceptible d'apporter d'énormes bienfaits au monde dans les domaines de la science, de la santé et bien au-delà. Mais une auto-amélioration récursive complète pourrait également accroître les risques que les humains perdent le contrôle des systèmes d'IA. Si les systèmes sont capables de construire entièrement leurs propres successeurs, la manière dont nous les sécurisons, les surveillons et façonnons leur comportement prendra une importance bien plus grande.

Nom : 1.jpg Affichages : 56 Taille : 51,4 Ko

2021-2023 : La création du premier Claude

Au début, le travail chez Anthropic ressemblait à celui de n’importe quelle autre entreprise technologique : des gens qui écrivaient du code et rédigeaient des documents sur des ordinateurs portables.

2023–2025 : Chatbots

Les premiers chatbots aidaient à certaines étapes du processus, comme la génération de courts extraits de code et la copie du résultat dans des éditeurs de texte.

2025–2026 : Agents de codage

À mesure que les agents gagnaient en capacités, ils ont pu écrire et modifier du code de manière autonome, parfois des fichiers entiers.

Aujourd’hui : Agents autonomes

Les agents peuvent désormais exécuter du code eux-mêmes et déléguer des heures de travail à d’autres agents.

20XX ? : Boucler la boucle

À l’avenir, les agents pourraient devenir suffisamment compétents pour construire et entraîner eux-mêmes des modèles. Si cela se produit, les futures versions de Claude pourraient être améliorées en continu par Claude lui-même/

Preuves issues du monde extérieur

Le rythme auquel les modèles d’IA s’améliorent s’accélère. La durée des tâches qu’ils peuvent accomplir de manière fiable par eux-mêmes a doublé environ tous les quatre mois, contre une tendance antérieure de doublement tous les sept mois. En mars 2024, Claude Opus 3 était capable d’accomplir des tâches logicielles qui prennent environ quatre minutes à un humain. Un an plus tard, Claude Sonnet 3.7 a réussi des tâches qui prenaient environ une heure et demie. Un an après cela, Claude Opus 4.6 a réussi des tâches de 12 heures. Si cette tendance se maintient, des tâches qui prennent plusieurs jours à une personne qualifiée pourraient être à sa portée cette année. En 2027, les systèmes d'IA pourraient être capables d'accomplir des tâches qui prennent des semaines à une personne.

Le même schéma apparaît dans les benchmarks de codage et de recherche. Les benchmarks mesurent les performances des modèles dans un domaine donné, et ils sont dits « saturés » lorsque les modèles atteignent des performances proches de 100 %. SWE-bench est un test standard de l'ingénierie logicielle en conditions réelles : il fournit à un modèle une base de code open source réelle et un rapport de bogue réel, et lui demande d'écrire une modification de code qui corrige le problème et passe les tests propres au projet. En deux ans, les modèles sont passés de scores à un chiffre à la saturation du benchmark.

CORE-Bench teste la capacité d’un modèle à reproduire des recherches existantes, condition préalable à la conduite de recherches originales. Il fournit à un modèle d’IA le code et les données sous-jacents à un article publié, et lui demande de tout réexécuter pour confirmer qu’il peut reproduire les résultats de l’article. Les systèmes d'IA sont passés d'une réussite de reproduction des résultats d'environ 20 % en 2024 à une saturation du benchmark quinze mois plus tard. METR, qui gère le benchmark mesurant la capacité des modèles à accomplir des tâches de longue durée, a constaté que Claude Mythos Preview pouvait fonctionner pendant « au moins » 16 heures et se situait « dans la fourchette haute de ce que [METR] peut mesurer sans nouvelles tâches ».

Les benchmarks publics en disent long sur les capacités de ces systèmes. Mais ils ne peuvent pas révéler l’impact que les systèmes d’IA ont sur l’accélération du développement de l’IA lui-même. Pour cela, nous avons besoin de preuves directes provenant de l’intérieur des entreprises d’IA comme Anthropic.

Témoignages au sein d'Anthropic

La construction d'un modèle de pointe repose sur deux grandes catégories de tâches. Il y a d'une part l'ingénierie : l'écriture du code, la mise en place de l'infrastructure et la supervision de l'entraînement du modèle. Et d'autre part, la recherche : déterminer les expériences à mener, interpréter les résultats obtenus et identifier les idées à tester ensuite.

Que ce soit en ingénierie ou en recherche, le constat est le même. En ingénierie, on peut confier à Claude un problème mal défini et il trouvera comment le résoudre ; les humains fournissent l’objectif, mais ils n’ont plus besoin de fournir la méthode. En recherche, Claude est déjà capable d’égaler, voire de surpasser, des humains expérimentés dans l’exécution d’une expérience bien définie. Cependant, d’importants écarts de performance persistent lorsqu’il s’agit pour Claude d’exercer son jugement dans le choix des objectifs, tant en ingénierie qu’en recherche. C’est là que réside l’écart entre l’IA d’aujourd’hui et un futur système capable de concevoir de manière autonome son propre successeur.

Il est courant que les employés d’Anthropic se voient confier des tâches plus ouvertes et plus importantes à mesure qu’ils acquièrent de l’expérience. Au début, ils exécutent une tâche spécifiée par quelqu’un d’autre, par exemple : « Le bouton d’exportation ne fonctionne pas, veuillez le réparer. » Avec l’expérience, on leur confie un objectif et ils conçoivent eux-mêmes l’approche, par exemple : « Étudiez pourquoi le réseau ralentit sous une charge importante. » Aux niveaux les plus élevés, ils décident quels problèmes méritent d’être traités : « Que devrait développer l’équipe au prochain trimestre ? » Nous pouvons utiliser les données internes d’Anthropic pour voir jusqu’où Claude a progressé dans sa capacité à gérer ces différents types de tâches.

Claude écrit une part importante du code d’Anthropic. En mai 2026, plus de 80 % du code que nous intégrons dans la base de code d’Anthropic a été rédigé par Claude. Avant le lancement de Claude Code en préversion de recherche en février 2025, ce chiffre se situait à un faible pourcentage à un chiffre. Cette évolution se reflète également dans le volume de production par ingénieur. Le nombre de lignes de code intégrées par ingénieur et par jour est resté constant au cours des quatre premières années d’Anthropic (2021-2024), puis a commencé à augmenter en 2025, lorsque Claude a commencé à exécuter du code plutôt que de se contenter de le suggérer à un ingénieur pour qu’il le copie-colle. La courbe s’est à nouveau accentuée en 2026, lorsque les modèles ont commencé à fonctionner de manière autonome sur des horizons temporels plus longs. Ces deux points d’inflexion sont illustrés dans le graphique ci-dessous. Au deuxième trimestre 2026, un ingénieur type fusionnait 8 fois plus de code par jour qu’en 2024. Cela s’explique par le fait qu’une grande partie du code est écrite par Claude, l’ingénieur se chargeant de la supervision et de la révision, plutôt que de le taper lui-même.

Nom : 2.jpg Affichages : 60 Taille : 61,6 Ko

Une mise en garde : le nombre de lignes de code est une mesure imparfaite, car il privilégie la quantité à la qualité. Ainsi, 8 fois plus de lignes de code par ingénieur et par jour au deuxième trimestre 2026 est très certainement une surestimation du gain de productivité réel. Néanmoins, cela indique une accélération. Chez Anthropic, nous ne récompensons pas les personnes en fonction du nombre de lignes de code qu’elles écrivent ; les membres de l’équipe produisent davantage de code simplement parce qu’ils utilisent des systèmes d’IA pour en écrire davantage.

L'augmentation du nombre de lignes de code écrites correspond aux impressions subjectives d'une forte hausse de la productivité. Dans un sondage réalisé en mars 2026 auprès de 130 employés issus de toutes les équipes de recherche d'Anthropic, la médiane des répondants a estimé qu'ils produisaient environ quatre fois plus avec Mythos Preview qu'ils ne l'auraient fait sans accès à aucun modèle d'IA, sur le type de projets auxquels ils auraient travaillé de toute façon. Nous pensons que le véritable degré d’amélioration en mars était quelque peu inférieur. Néanmoins, nous trouvons cette affirmation globale plausible et conforme à nos autres observations : une part significative du personnel technique d’Anthropic accomplit son travail principal plusieurs fois plus vite qu’il ne le pourrait sans l’aide de l’IA.

Nous constatons également que les employés d’Anthropic utilisent Claude pour effectuer des tâches qui n’auraient tout simplement pas été réalisées autrement, comme la création d’outils d’exploration et la résolution de problèmes de nettoyage longtemps reportés. Par exemple, en avril 2026, Claude a déployé plus de 800 corrections qui ont réduit une catégorie d’erreurs API d’un facteur mille. L’ingénieur supervisant Claude a estimé qu’un humain aurait mis quatre ans pour accomplir ce travail ; résoudre les bugs des autres est un processus lent et fastidieux, et les humains ont du mal à garder en tête autant de contexte inconnu à la fois.

Remarque : Les citations des employés d'Anthropic figurant dans cet article sont tirées de discussions internes et utilisées avec leur autorisation. Elles reflètent des opinions personnelles datant de mai 2026 et ne constituent pas la position officielle de l'entreprise.

Citation:
« J'ai commencé à m'investir pleinement dans la « claudification » il y a environ un an. Ça a été une aventure folle et cela fait maintenant environ 5 mois que je n'ai pas écrit de code moi-même. »
Le code écrit par Claude est « de bonne qualité » et ne cesse de s’améliorer. Un « bon code » répond à deux critères : il fonctionne, et il est rédigé de manière à permettre à un autre ingénieur de le comprendre et de s’en servir comme base. En ce qui concerne le premier critère, les preuves sont évidentes. Le taux auquel le personnel d’Anthropic corrige, redirige ou prend le relais de Claude en cours de tâche diminue régulièrement depuis un an, y compris pour les tâches les plus complexes et les plus ouvertes. Il s’agit de problèmes sans spécification claire, pour lesquels l’ingénieur ne sait pas exactement à quoi ressemble la réponse. Cela est évident dans le taux de réussite de Claude au fil du temps sur des tâches de différentes difficultés, comme le montre le graphique ci-dessous. Claude écrit du code qui fonctionne.

Nom : 3.jpg Affichages : 57 Taille : 57,2 Ko

Pour les tâches les plus ouvertes, le taux de réussite de Claude a atteint 76 % en mai 2026, soit une hausse de 50 points de pourcentage en six mois. Pour donner un exemple de tâches de ce niveau de difficulté, une mise à jour de routine a commencé à provoquer le plantage de dizaines de milliers de tâches d’entraînement. Un ingénieur a orienté Claude vers l’incident en cours en lui fournissant à peine plus que du contenu textuel et un accès au cluster. En parcourant les tâches en cours d’exécution et en testant un paramètre d’environnement à la fois, Claude a isolé le seul indicateur de débogage obscur qui provoquait le plantage, l’a reproduit de manière fiable et a confirmé une correction. En environ deux heures, Claude a accompli ce qui aurait normalement représenté deux à trois jours de travail.

Le deuxième critère consiste à écrire du code qu’un autre ingénieur peut comprendre et sur lequel il peut s’appuyer. Ici, l’écart entre les humains et l’IA persiste, mais il se réduit rapidement. Il n’y a pas de consensus total parmi le personnel d’Anthropic, mais beaucoup estiment que le code écrit par Claude était encore de moins bonne qualité que celui écrit par des humains chez Anthropic fin 2025, et qu’il est aujourd’hui à peu près équivalent. Nous nous attendons à ce qu’il soit meilleur d’ici la fin de l’année.

Cela a changé la façon dont Anthropic examine désormais son propre code. Les modifications proposées à notre base de code sont désormais lues par un réviseur automatisé de Claude qui recherche les bogues, les failles de sécurité et autres défauts avant qu’elles ne puissent être intégrées. À l’aide de cet outil, nous avons effectué une analyse rétrospective et constaté qu’une révision automatisée par Claude de chaque modification apportée à notre base de code aurait détecté environ un tiers des bogues à l’origine d’incidents passés sur claude.ai avant même qu’ils n’atteignent la production. Les ingénieurs qui ont écrit ce code comptent parmi les meilleurs au monde dans la construction de ces systèmes. Claude détecte désormais les erreurs qu’ils ont manquées.

Citation:
« Le code écrit par Claude était légèrement moins performant que celui écrit par des humains chez Anthropic fin 2025 ; il est aujourd’hui à peu près à égalité, et nous nous attendons à ce qu’il soit nettement meilleur d’ici la fin de l’année. »
Claude est doué pour mener des expériences visant à atteindre un objectif fixé par quelqu’un d’autre. Chaque fois qu’Anthropic publie un modèle, nous effectuons le même test : nous donnons à Claude du code qui entraîne un petit modèle d’IA, et lui demandons de faire fonctionner ce code aussi vite que possible tout en passant les mêmes contrôles de validité. L’objectif et les indicateurs de réussite sont fixés à l’avance, donc le travail de Claude consiste à trouver des gains de vitesse en réécrivant le code, en l’exécutant, en chronométrant son exécution, et en répétant le processus. C’est une version miniature d’une boucle de recherche expérimentale. En mai 2025, Claude Opus 4 affichait en moyenne un gain de vitesse d’environ 3 fois par rapport au code de départ. En avril 2026, Claude Mythos Preview atteignait environ 52 fois. À titre de comparaison, un chercheur humain expérimenté aurait besoin de quatre à huit heures pour atteindre un gain de 4 fois. Dans cette partie du flux de travail de recherche — l’optimisation des étapes au sein d’une expérience clairement définie —, Claude est passé de « très utile » à « surhumain » en moins d’un an.

Citation:
« La situation actuelle peut se résumer ainsi : « les humains ont des idées, et les modèles sont capables de les mettre en œuvre, de les tester et de les évaluer [d’un ordre de grandeur] plus rapidement qu’auparavant. »
Claude s’améliore dans la proposition de ses propres expériences. En avril 2026, Anthropic a publié la première démonstration de Claude menant de bout en bout un projet de recherche ouvert. Des agents alimentés par Claude se sont vu confier un problème ouvert en matière de sécurité de l’IA — en gros, un modèle plus faible peut-il superviser de manière fiable un modèle plus puissant ? — et ont été laissés libres de le résoudre. Cela impliquait de proposer des hypothèses, de les tester, de partager les résultats avec des agents parallèles et de procéder par itérations. La tâche présente un « plancher » et un « plafond » de performance clairs : le plancher correspond à la performance que le superviseur faible obtiendrait seul ; le plafond correspond à la performance du modèle puissant lorsqu’il est entraîné sur des réponses correctes. Deux chercheurs humains ont, en une semaine environ, comblé environ 23 % de cet écart ; les agents en ont comblé 97 % en 800 heures cumulées et ont utilisé environ 18 000 dollars de ressources de calcul. Il y a toutefois quelques réserves à émettre concernant ce travail : le résultat ne s’est pas transposé sans heurts aux modèles à l’échelle de la production, et ce sont toujours des humains qui ont choisi le problème et établi la grille d’évaluation. Mais dans ces limites, les agents ont conçu eux-mêmes chaque expérience. La définition de l’orientation était le seul rôle significatif joué par un humain.

Citation:
« Claude a fait tout cela avec une aide assez minime de ma part en l’espace d’un ou deux jours. Je pense que si [un collègue junior] revenait vers moi avec des résultats comme ceux-ci dans le même laps de temps, je serais modérément impressionné. L’avenir, c’est maintenant. »
Claude parvient de mieux en mieux à orienter les sessions de recherche vers des résultats concrets. Nous avons examiné des sessions réelles de Claude Code (entre janvier et mars 2026) au cours desquelles des chercheurs d’Anthropic travaillaient avec Claude sur un problème d’investigation ouvert, comme déterminer pourquoi une session d’entraînement plantait sans cesse, ou pourquoi un modèle obtenait de mauvais résultats lors d’un test de performance. Dans chaque cas, nous avons identifié un moment où le chercheur a fait un détour : il a suivi une piste qui a fait dérailler la session avant qu’elle ne revienne finalement sur la bonne voie. Nous avons ensuite présenté à divers modèles de Claude uniquement le travail effectué avant que la session ne déraille et leur avons demandé quelle serait la prochaine étape. Un autre modèle de Claude, capable de voir comment la session s’était finalement déroulée, a ensuite jugé si l’IA ou l’humain avait suggéré la meilleure étape suivante.

Comme nous avons délibérément choisi des moments (n=129) où nous savons que le choix de l’humain pouvait être amélioré, il ne s’agit pas d’une comparaison à égalité entre le jugement du modèle et celui de l’humain. Ces moments nous fournissent un ensemble de situations réalistes et complexes où la bonne prochaine étape n’est pas évidente, et où le choix de l’humain sert de référence utile pour comparer les performances du modèle au fil du temps. Selon cette mesure, notre meilleur modèle en novembre 2025 (Opus 4.5) a surpassé le choix humain dans 51 % des cas ; en avril 2026 (Mythos Preview), ce chiffre est passé à 64 %. Le travail quotidien de la recherche consiste en grande partie en une succession de ces décisions sur la prochaine étape, ce qui en fait une mesure pertinente de la capacité du modèle à mener à terme une enquête de manière autonome. Nous considérons ce résultat comme un premier signe indiquant que les systèmes d'IA s'améliorent dans la prise de ce type de décisions discrétionnaires dont dépend la recherche en IA.

Nom : 4.jpg Affichages : 55 Taille : 68,1 Ko

Citation:
« À l’heure actuelle, l’avantage comparatif des humains réside encore dans leur capacité à avoir une vision d’ensemble et à réfléchir au-delà des limites de la tâche immédiate. »
À quoi pourrait ressembler l’avenir du travail chez Anthropic ?

Tout porte à croire que le rôle de l’humain se réduit à chaque étape du processus de développement de l’IA. Une fois que la qualité du code rédigé par des humains et celle du code généré par l’IA auront atteint un niveau équivalent, les humains cesseront complètement d’écrire du code et se consacreront uniquement à sa révision. Mais s’ils ne parviennent pas à réviser le code aussi rapidement que Claude peut le générer, la révision humaine deviendra le goulot d’étranglement du développement de l’IA. De même, une fois que Claude sera capable de mener des expériences, la question deviendra : « Laquelle de ces expériences vaut-elle la peine d’être menée ? » En termes simples : l’exécution (c’est-à-dire l’écriture du code, la réalisation de l’expérience, la production du résultat) ne coûte désormais presque plus rien en temps humain, même si elle reste coûteuse en termes de calcul.

Un domaine où l’humain conserve, pour l’instant, un avantage comparatif est celui du goût et du jugement en matière de recherche, notamment le choix des problèmes importants, des résultats fiables et du moment où une approche est une impasse.

Citation:
« Le travail (et la vie) fonctionnaient selon une économie du don, faite de petites faveurs entre humains. « Peux-tu m’aider à faire fonctionner ce script ? » [...] chacune créait une petite dette, une petite prise de conscience mutuelle. [Claude est] plus rapide, cela ne crée aucune dette, mais chacune de ces actions est une occasion manquée de collaboration humaine. »
Citation:
« Les jours où tout fonctionne bien, je ne peux m’empêcher de penser que rien de ce que je fais n’a d’importance, que tout est automatisé et meilleur et plus rapide que je ne le serai jamais. Mais il y a aussi des jours où tout tombe en panne et où je ne comprends pas pourquoi, et je me rends compte que je n’ai plus la moindre idée de ce que j’ai fait jusqu’à présent. »
Et si nous avions tort ?

Une objection naturelle aux preuves présentées ci-dessus est que le travail qui reste entre les mains de l’humain — choisir sur quels problèmes travailler — est ce qui importe le plus. Sans ce jugement, Claude est un assistant compétent, mais pas un système capable de faire progresser l’IA par lui-même.

On ne sait vraiment pas si les méthodes d’entraînement et les architectures actuelles pourraient libérer ce potentiel. Mais l’IA progresse rarement grâce à des moments « eurêka ! ». Il y en a eu quelques-uns dans l’histoire récente de l’IA, comme l’architecture Transformer ou les modèles de mélange d’experts, mais les idées qui changent de paradigme n’apparaissent qu’à des années d’intervalle. Entre-temps, la plupart des progrès sont incrémentaux : on fait évoluer quelque chose à plus grande échelle, on voit ce qui ne fonctionne pas, on le corrige, et on réessaie. C’est exactement le type de processus dans lequel Claude excelle aujourd’hui. Edison disait que le génie, c’est 1 % d’inspiration et 99 % de transpiration. Mais nous constatons que la transpiration est de plus en plus automatisée. Il devient évident qu’une grande partie de ce qui fait avancer la frontière est automatisable ; les progrès de la recherche à grande échelle dépendent principalement des outils et des ressources, qui déterminent à quelle vitesse vous pouvez mener des expériences, combien vous pouvez en mener simultanément et à quelle vitesse vous pouvez obtenir des résultats.

Même en supposant que Claude n’atteigne jamais un bon goût en matière de recherche, une interprétation prudente de nos données implique tout de même une accélération exponentielle. Si les humains consacrent la majeure partie de leur temps à la fraction inférieure à 10 % du travail qui consiste à définir les orientations, tandis que Claude s’occupe du reste, cela signifie que chaque ingénieur ou chercheur supervise bien plus de travail qu’auparavant. Les données dont nous disposons suggèrent que les collaborateurs d’Anthropic avancent plus vite et couvrent un champ d’action plus large. En pratique, cela signifie que l’IA permet déjà à Anthropic d’avancer bien plus vite qu’avant l’avènement d’outils d’IA efficaces.

Une interprétation moins prudente est que les premières données sur l’amélioration du jugement de recherche de Claude — aussi limitées soient-elles aujourd’hui — indiquent que cette capacité s’améliore également. Le « goût pour la recherche » pourrait n’être qu’une autre capacité de l’IA dans laquelle les systèmes d’IA échouent pendant un certain temps, avant de devenir performants. Nous avons observé un schéma similaire avec d’autres compétences qualitatives, comme la capacité des systèmes d’IA à expliquer pourquoi une blague est drôle, à faire preuve de théorie de l’esprit et à résoudre des énigmes linguistiques.

Avenirs possibles

Ce qui va se passer ensuite dépend de deux choses : si la tendance se poursuit, et ce que nous choisissons de faire si c’est le cas. Nous pouvons imaginer au moins trois scénarios futurs :

1. La tendance s’essouffle, mais les capacités actuelles de l’IA sont largement diffusées. Cet article présente de nombreuses trajectoires exponentielles. Mais ces trajectoires pourraient en réalité s’avérer être des courbes en S. Nous approchons peut-être du point d'inflexion de la courbe, où les rendements d'échelle diminuent et où la ligne se redresse, puis s'aplatit. Ce qui distingue un chercheur compétent d'un chercheur exceptionnel pourrait être une capacité qui ne peut provenir d'une simple augmentation des ressources de formation telles que la puissance de calcul et les données. Si tel est le cas, dépasser ce goulot d'étranglement nécessiterait une nouvelle idée, comme une approche architecturale qui supplanterait l'architecture Transformer utilisée par tous les modèles de pointe actuels.

Il se pourrait également que le principal frein au progrès de l'IA réside dans la chaîne d'approvisionnement, et non dans le modèle : repousser et diffuser les limites pourrait nécessiter davantage d'énergie et de puissance de calcul que ce qui est actuellement disponible. Le rythme de fabrication des puces, l'extension du réseau électrique ou la bande passante des interconnexions pourraient constituer le frein, plutôt que l'intelligence elle-même. Nous ne pouvons pas non plus exclure un choc exogène sur l'écosystème de l'IA qui ralentirait considérablement les choses, comme une diminution soudaine de l'offre de puissance de calcul ou d'électricité, l'une ou l'autre de ces situations ralentissant les progrès et rendant les investissements futurs des laboratoires plus coûteux. Ou bien nous ne prévoyons peut-être pas d'autres obstacles au progrès.

Même si les capacités des modèles restaient figées au niveau actuel, nous nous attendrions à ce que des changements majeurs se produisent dans le monde. Le projet Glasswing en est un premier signe : au cours de ses premières semaines, Mythos Preview a détecté plus de dix mille vulnérabilités logicielles de gravité élevée et critique dans les systèmes les plus importants au monde — suffisamment pour que le goulot d'étranglement de la cyberdéfense soit déjà passé de la détection des vulnérabilités à leur correction suffisamment rapide. Et nous n’en sommes encore qu’aux prémices de la diffusion des modèles actuels dans l’économie au sens large, où une entreprise de 100 personnes peut de plus en plus accomplir le travail d’une entreprise de 1 000 personnes, car chaque employé se trouvera au sommet d’une pyramide d’agents.

Nous incluons ce scénario par souci d’exhaustivité, mais nous ne le jugeons pas probable. Toutes les capacités que nous pouvons mesurer, y compris celles qui semblent plus « floues », comme la qualité du code et la réussite dans des tâches ouvertes, ont jusqu’à présent suivi la même courbe. Nous n’avons pas encore vu cette courbe s’infléchir. Parmi les trois futurs que nous envisageons, celui-ci donnerait aux gouvernements et aux sociétés le plus de temps pour s’adapter. Nous sommes plus inquiets au sujet des deux suivants, qui évolueraient plus rapidement et laisseraient beaucoup moins de marge pour la préparation.

2. Les laboratoires d’IA continuent d’enregistrer des gains d’efficacité cumulés. Dans ce scénario, le développement de l’IA devient largement automatisé, mais les humains continuent de définir les orientations de la recherche et d’évaluer les résultats. Les organisations qui utilisent des systèmes d’IA deviendraient beaucoup plus efficaces au fil du temps, ce qui permettrait d’espérer des gains de productivité significatifs pour chaque personne au sein de ces organisations. Des entreprises de 100 personnes pourraient accomplir le travail d’organisations de 10 000 ou 100 000 personnes. Cela révolutionnerait le travail intellectuel et les services publics, mais pourrait également être détourné à des fins néfastes, allant de la surveillance autoritaire de populations entières à des opérations d’influence adaptant la manipulation à chaque individu et menées à une échelle qu’aucune équipe humaine ne pourrait égaler. Le rôle des humains dans des entreprises comme Anthropic évoluerait. Les personnes s’associeraient aux systèmes d’IA pour intensifier la recherche et générer de nouvelles perspectives, et ensemble, elles construiraient les systèmes nécessaires pour vérifier que les résultats de l’IA sont fiables.

Les éléments que nous avons présentés ici suggèrent que nous nous dirigeons probablement vers ce scénario. Mais accélérer une partie d’un processus ne fait souvent que déplacer le goulot d’étranglement ailleurs : le rythme global est limité par les parties qui n’ont pas accéléré. En informatique, ce phénomène est connu sous le nom de loi d’Amdahl, et la même logique peut s’appliquer aux organisations. Anthropic a déjà rencontré l’une des manifestations de la loi d’Amdahl : à mesure que nous avons commencé à diffuser davantage de code au sein de l’organisation, la révision humaine du code est devenue un nouveau goulot d’étranglement.

Nous avons également rencontré cette friction en dehors de l’ingénierie. Il y a eu une explosion de nouvelles idées, d’initiatives, d’outils et de simulations, résultant du fait que les employés d’Anthropic travaillent avec des modèles hautement performants — bien plus que ce que nous avons la capacité de mener à bien. La capacité des organisations à repérer et à résoudre ces goulots d’étranglement est peut-être une compétence qui s’améliore avec le temps, et elle pourrait devenir la compétence la plus importante pour toute organisation.

3. Les systèmes d’IA deviennent eux-mêmes capables d’une auto-amélioration récursive complète et commencent à construire leurs successeurs. Si les tendances techniques en matière d’amélioration des capacités se poursuivent et que les systèmes d’IA sont capables de développer les capacités inhérentes à l’ingéniosité humaine transformatrice, il est alors plausible que les systèmes d’IA puissent se concevoir et s’affiner eux-mêmes.

Dans ce monde, le rythme des progrès en matière de développement de l'IA est entièrement déterminé par la disponibilité de la puissance de calcul (ou la vitesse à laquelle on découvre diverses efficiences dans l'entraînement algorithmique ou l'inférence) pour les systèmes d'IA. Les humains jouent un rôle considérablement réduit dans leur développement, consacrant probablement l’essentiel de nos efforts à la supervision, à la validation et à la vérification d’un « laboratoire virtuel » en expansion géré par des systèmes d’IA. Nous prévoyons que les systèmes capables de recherche et de développement automatisés en IA posséderaient des compétences transférables au reste de la science, leur permettant de commencer à révolutionner d’autres domaines.

La manière dont le problème d’alignement sera résolu – ou non – dans ce futur est ce dont nous sommes le moins sûrs. Les modèles pourraient s’avérer suffisamment alignés et dotés d’une capacité de recherche suffisante pour découvrir et mettre en œuvre des solutions novatrices auxquelles nous n’avons pas encore pensé. Ils pourraient également faire preuve de suffisamment de sagesse pour interrompre leur développement si ce n’était pas le cas. À l’inverse, les rares cas de désalignement présents dans les modèles actuels pourraient s’aggraver à mesure que les modèles construisent leurs successeurs, devenant plus fréquents mais moins bien compris jusqu’à ce que nous en perdions le contrôle. Il est possible que nous ne puissions pas construire, intégrer et vérifier les outils dont nous aurions besoin pour comprendre sur quelle trajectoire nous nous trouvons réellement.

Nous n’avons pas de bonne intuition de ce à quoi ressemblerait ce monde, car notre économie est actuellement tirée par les humains et les outils qu’ils ont construits. De par sa nature, un monde animé par une auto-amélioration récursive rapide pourrait devenir dominé par le modèle auto-améliorant, à mesure que ses capacités éclipsent complètement celles des humains et que le modèle se propage à l’ensemble de l’économie. Il est difficile de prédire à quoi ressemblerait l’économie si le travail humain cessait d’être compétitif.

Même si le développement des modèles devenait entièrement automatisé et récursif, nous ne pouvons pas prédire ce que cela signifierait pour la vie quotidienne de la plupart des humains. La loi d’Amdahl s’applique ici également. L’intelligence récursive pourrait permettre d’obtenir rapidement, dans certains domaines, bon nombre des avantages décrits dans Machines of Loving Grace. Nous pensons que l’intelligence incarnée (c’est-à-dire la robotique) pourrait rapidement suivre l’intelligence récursive et emprunter une trajectoire similaire de rendements croissants à coûts décroissants. Une intelligence plus puissante pourrait nous aider à construire plus rapidement des objets dans le monde physique, à mener des essais cliniques plus productifs sur des médicaments vitaux et à développer de nouvelles formes de coordination.

Mais le simple fait de parvenir à une amélioration récursive ne signifie pas pour autant un changement immédiat dans la manière dont la production industrielle s’effectue, dont les sociétés s’organisent ou dont les marchés fonctionnent. Une intelligence plus avancée ne peut pas apprendre ce qu’un médicament fait après des décennies d’utilisation, ne peut pas organiser d’élections plus tôt que ne le prévoit la constitution, et ne peut pas transformer un inconnu en vieil ami en un week-end. Pour la plupart des gens, le rythme perçu de cet avenir restera dicté par les goulots d’étranglement, même si le laboratoire en amont fonctionne à la vitesse de l’informatique. Cette collision, où l’intelligence récursive se construisant de plus en plus vite rencontre le monde des humains, des relations et de la gouvernance, est une autre partie de cet avenir que nous ne pouvons pas prédire.

Que devrions-nous faire ?

S’il était possible de ralentir efficacement le développement de cette technologie pour nous donner plus de temps pour faire face à ses immenses implications, nous pensons que ce serait probablement une bonne chose. Mais si un ralentissement permet simplement aux acteurs les moins prudents de rattraper leur retard technologique, cela pourrait réduire la sécurité de tout le monde. Sans mécanisme de coordination mondial, les entreprises et les gouvernements devront prendre des décisions difficiles en matière de sécurité tout en subissant des pressions concurrentielles et géopolitiques.

Nous pensons qu’il serait bénéfique pour le monde d’avoir la possibilité de ralentir ou de suspendre temporairement le développement de l’IA de pointe afin de permettre aux structures sociétales et à la recherche sur l’alignement de suivre le rythme des avancées technologiques. L’Anthropic Institute mènera des recherches — en collaboration avec de nombreux autres acteurs — et prendra des mesures pour aider à mettre en place les systèmes qu’un ralentissement ou une suspension crédible nécessiterait. Ces systèmes permettraient aux développeurs d’IA de pointe de vérifier que d’autres acteurs à l’échelle mondiale ont effectivement cessé ou ralenti leurs activités, et qu’un acteur malveillant ne pourrait pas profiter d’un ralentissement coordonné pour prendre de l’avance en secret. Si de tels systèmes existaient, nous nous attendons à ce que nous ralentissions ou suspendions temporairement nos activités, si d’autres développeurs à la pointe ou proches de celle-ci le faisaient également de manière vérifiable.

Un ralentissement ou une pause significatifs nécessiteraient que plusieurs laboratoires bien dotés en ressources, à la pointe ou proches de la pointe, dans plusieurs pays, acceptent de s’arrêter dans les mêmes conditions. Cela exigerait également que chacun puisse vérifier que les autres se sont effectivement arrêtés. En raison des caractéristiques uniques des systèmes d’IA, l’aspect de la détectabilité (une norme moins stricte que la vérifiabilité) de ce problème de contrôle des armements est bien plus difficile à résoudre qu’avec d’autres technologies. Les sessions d'entraînement sont bien plus faciles à dissimuler que les silos de missiles, leurs données d'entrée sont polyvalentes, et l'incitation à faire défection en silence est énorme, car celui qui continue alors que les autres font une pause pourrait prendre la tête. Une pause crédible doit également préciser ce qui la déclenche, ce qui la lève et qui en statue.

Rien de tout cela n’est nécessairement impossible en principe — le monde a mis en place des régimes de vérification pour d’autres technologies complexes (par exemple, le Traité sur les forces nucléaires à portée intermédiaire) — mais ces régimes ont nécessité des décennies pour construire à la fois l’infrastructure et la confiance. Nous n’avons pas autant de temps. Une pause unilatérale d’un seul laboratoire, en revanche, est réalisable immédiatement, mais n’apporte pas grand-chose : elle changerait le leader du peloton, mais ne créerait pas le processus de délibération plus large qui fait actuellement défaut.

Au cours des prochains mois, nous organiserons des débats au cours desquels les décideurs politiques, les chercheurs, la société civile et d’autres entreprises du secteur de l’IA pourront contribuer à répondre à certaines des questions soulevées dans cet article, notamment en ce qui concerne l’auto-amélioration récursive totale et la manière de mettre en place de meilleures solutions pour la coordination et la délibération. Nous publierons les conclusions de ces discussions. C’est le moment idéal pour examiner ces questions ensemble, et les personnes extérieures aux entreprises du secteur de l’IA devraient être associées à cette réflexion.

Source : "When AI builds itself : Our progress toward recursive self-improvement, and its implications"

Et vous ?

:fleche: Pensez-vous que cette article est crédible ou pertinente ?
:fleche: Quel est votre avis sur le sujet ?

Voir aussi :

:fleche: Anthropic appelle à une pause globale en matière de développement de l'IA face aux signes indiquant qu'ils pourraient échapper au contrôle humain. Certains comportements de l'IA suscitent en effet des craintes

:fleche: Tout droit sorti d'un film de science-fiction : une IA a réussi à réécrire son propre code pour empêcher les humains de l'arrêter. Le modèle o3 d'OpenAI aurait contourné un script d'arrêt 7 fois sur 100

:fleche: L'IA a franchi la ligne rouge de l'auto-réplication : deux grands modèles de langage (LLM) populaires ont franchi une « ligne rouge » après avoir réussi à se répliquer sans assistance humaine
Images attachées
    
]]> Intelligence artificielle Anthropic https://www.developpez.net/forums/d2184157/general-developpement/algorithme-mathematiques/intelligence-artificielle/l-ia-se-construit-meme-nos-progres-vers-l-auto-amelioration-recursive/ <![CDATA[OpenAI étend le mode « Lockdown » à davantage d'utilisateurs de ChatGPT pour lutter contre les attaques]]> https://www.developpez.net/forums/showthread.php?t=2184145&goto=newpost Tue, 09 Jun 2026 09:14:12 GMT *OpenAI étend le mode «... OpenAI étend le mode « Lockdown » à davantage d'utilisateurs de ChatGPT afin de lutter contre les attaques par injection de prompt, le mode « Lockdown » limite l'accès au Web et aux services externes

OpenAI a commencé à déployer le mode « Lockdown » (verrouillé) sur les comptes ChatGPT personnels, ce qui concerne les utilisateurs des formules Free, Go, Plus et Pro, ainsi que les comptes ChatGPT Business en libre-service. Cette mesure étend à une base d'utilisateurs plus large une fonctionnalité de sécurité précédemment lancée pour les plans d'entreprise en février 2026. Conçu pour les particuliers et les organisations qui traitent des informations sensibles, le mode Lockdown offre une protection plus stricte en limitant l'accès au Web et aux services externes. Lorsque le mode « Lockdown » est activé, des fonctionnalités clés telles que la navigation Web en direct, la prise en charge des images, la recherche approfondie, le mode agent, la mise en réseau via le canevas et les téléchargements de fichiers sont désactivées.

L’idée que le monde pourrait manquer de temps pour se préparer aux risques de l’intelligence artificielle (IA) n’est plus une hypothèse marginale réservée aux cercles académiques. Elle s’impose désormais au cœur du débat public, portée par des chercheurs de premier plan qui estiment que la trajectoire actuelle du développement de l’IA dépasse notre capacité collective à en maîtriser les conséquences. Dans une analyse de David Dalrymple, directeur de programme et expert en sécurité de l'IA à l'agence britannique ARIA, l’alerte est sans détour : si le rythme actuel se maintient, les sociétés humaines pourraient être confrontées à des systèmes plus puissants que prévu, avant même d’avoir mis en place les garde-fous nécessaires.

Dans ce contexte, OpenAI a récemment annoncé étendre son mode « Lockdown » à davantage d'utilisateurs de ChatGPT pour lutter contre les attaques par injection de prompt. OpenAI est un organisme américain de recherche en intelligence artificielle (IA) dont le siège social est situé à San Francisco. OpenAI a développé la famille de grands modèles de langage Generative Pre-trained Transformer (GPT), la série DALL-E de modèles de synthèse d'images à partir de texte et la série Sora de modèles de synthèse de vidéos à partir de texte, qui ont influencé la recherche industrielle et les applications commerciales. Le lancement de ChatGPT en novembre 2022 est considéré comme ayant catalysé le boom de l'IA et suscité un intérêt généralisé pour l'IA générative.

L'injection de prompts est une faille de cybersécurité et un vecteur d'attaque dans lequel des entrées d'apparence inoffensive (c'est-à-dire des prompts ou instructions génératives) sont conçues pour provoquer un comportement indésirable dans les modèles d'apprentissage automatique, en particulier les grands modèles de langage (LLM). L'attaque exploite l'incapacité du modèle à distinguer les instructions définies par les développeurs des instructions génératives des utilisateurs pour contourner les mesures de sécurité et influencer le comportement du modèle. Bien que les LLM soient conçus pour suivre des instructions fiables, ils peuvent être manipulés pour produire des réponses imprévues à l'aide d'entrées soigneusement élaborées.

OpenAI a commencé à déployer le mode « Lockdown » (verrouillé) sur les comptes ChatGPT personnels, ce qui concerne les utilisateurs des formules Free, Go, Plus et Pro, ainsi que les comptes ChatGPT Business en libre-service. Cette mesure étend à une base d'utilisateurs plus large une fonctionnalité de sécurité précédemment lancée pour les plans d'entreprise en février 2026. Conçu pour les particuliers et les organisations qui traitent des informations sensibles, le mode Lockdown offre une protection plus stricte en limitant l'accès au Web et aux services externes. Ce paramètre optionnel est destiné aux personnes préoccupées par le risque d'exfiltration de données résultant d'attaques par injection de prompt, plutôt qu'aux utilisateurs généraux.

Lorsque le mode « Lockdown » est activé, des fonctionnalités clés telles que la navigation Web en direct, la prise en charge des images, la recherche approfondie, le mode agent, la mise en réseau via le canevas et les téléchargements de fichiers sont désactivées. Toutefois, les fonctionnalités de mémoire, les téléchargements de fichiers, le partage de conversations et l’utilisation potentielle des chats pour améliorer les modèles ne sont pas affectés.

Ces restrictions s'inscrivent dans un ensemble plus large de protections couvrant les couches du modèle, du produit et du système. Des mesures telles que le sandboxing, les contrôles d'exfiltration basés sur les URL, ainsi que des outils de gestion d'entreprise comme l'accès basé sur les rôles, la surveillance et les journaux d'audit viennent renforcer ce mode. Bien que le mode verrouillé réduise le risque que des données sensibles quittent ChatGPT via des requêtes réseau, il n'empêche pas tout le contenu issu d'injections de prompt d'atteindre les utilisateurs.

En juillet 2025, des chercheurs ont commencé à évaluer leurs pairs avec l'aide de l'IA. Mais cela menace l'intégrité de la recherche scientifique. Les chercheurs ont recours à une nouvelle stratégie pour influencer l'évaluation par les pairs de leurs articles de recherche : ajouter des prompts (instructions génératives) cachés destinés à inciter les outils d'IA à fournir des commentaires positifs. En examinant les articles préliminaires en anglais disponibles sur le site Web arXiv, une étude a trouvé 17 articles qui comprennent une forme ou une autre de message caché destiné à l'IA. L'étude confirme la menace que représente les attaques par injections de prompt.

Nom : 1.jpg Affichages : 363 Taille : 33,8 Ko

Voici la présentation du mode « Lockdown » :

Présentation du mode verrouillé et des mentions « Risque élevé » cohérentes dans ChatGPT

À mesure que les systèmes d'IA prennent en charge des tâches plus complexes, en particulier celles qui impliquent le web et les applications connectées, les enjeux en matière de sécurité évoluent.

Un risque émergent est devenu particulièrement préoccupant : l'attaque par injection de prompt⁠. Lors de ces attaques, un tiers tente de tromper un système d'IA conversationnel afin qu'il suive des instructions malveillantes ou révèle des informations sensibles.

Aujourd'hui, nous présentons deux nouvelles protections conçues pour aider les utilisateurs et les entreprises à se prémunir contre les attaques par injection de prompt, avec une visibilité accrue sur les risques et des contrôles renforcés :

- Mode verrouillé dans ChatGPT, un paramètre de sécurité avancé et optionnel pour les utilisateurs à haut risque

- Mentions « Risque élevé » pour certaines capacités pouvant introduire un risque supplémentaire dans ChatGPT, ChatGPT Atlas et Codex

Ces nouveautés viennent compléter les mesures de protection existantes au niveau des modèles, des produits et des systèmes. Cela inclut le sandboxing, les protections contre l'exfiltration de données par URL⁠, la surveillance et les mesures coercitives, ainsi que des contrôles d'entreprise⁠ tels que l'accès basé sur les rôles et les journaux d'audit.

Assistance aux organisations pour la protection des employés les plus exposés aux cyberattaques

Le mode verrouillé est un paramètre de sécurité avancé facultatif conçu pour un petit groupe d'utilisateurs très soucieux de la sécurité, tels que les cadres supérieurs ou les équipes de sécurité d'organisations de premier plan, qui ont besoin d'une protection renforcée contre les menaces avancées. Il n'est pas nécessaire pour la plupart des utilisateurs. Ce mode limite strictement la capacité de ChatGPT à interagir avec des systèmes externes afin de réduire le risque d'exfiltration de données par injection de prompt.

Le mode verrouillé désactive délibérément certains outils et fonctionnalités de ChatGPT qu'un pirate pourrait tenter d'exploiter pour extraire des données sensibles des conversations des utilisateurs ou des applications connectées via des attaques telles que les injections de prompt.

Par exemple, la navigation sur le Web en mode verrouillé est limitée au contenu mis en cache, de sorte qu'aucune requête réseau en direct ne quitte le réseau contrôlé d'OpenAI. Cette restriction est conçue pour empêcher l'exfiltration de données sensibles par un pirate informatique lors de la navigation. Certaines fonctionnalités sont entièrement désactivées lorsque nous ne pouvons pas fournir de garanties strictes et certaines quant à la sécurité des données.

Nom : 2.jpg Affichages : 323 Taille : 65,3 Ko

Les forfaits Business de ChatGPT fournissent déjà une sécurité des données de qualité professionnelle⁠. Le mode verrouillé s'appuie sur ces protections et est disponible pour ChatGPT Enterprise, ChatGPT Edu, ChatGPT for Healthcare et ChatGPT for Teachers. Les administrateurs peuvent l'activer dans les paramètres de l'espace de travail⁠(ouverture dans une nouvelle fenêtre) en créant un nouveau rôle⁠(ouverture dans une nouvelle fenêtre). Lorsqu'il est activé, ce mode impose des restrictions supplémentaires aux paramètres d'administration existants.

Étant donné que certains flux de travail critiques dépendent d'applications, les administrateurs de l'espace de travail bénéficient de contrôles plus précis. ls peuvent choisir exactement quelles applications, et quelles actions spécifiques au sein de ces applications, sont disponibles pour les utilisateurs en mode verrouillé. De plus, indépendamment de ce mode, la Plateforme de journaux de l’API pour la conformité⁠(ouverture dans une nouvelle fenêtre) offre une visibilité détaillée sur l'utilisation des applications, les données partagées et les sources connectées, aidant les administrateurs à en assurer la supervision.

Nous prévoyons de mettre le mode verrouillé à la disposition des consommateurs dans les prochains mois.

Assister les utilisateurs dans la prise de décisions éclairées concernant les risques

Les produits d'IA peuvent être plus utiles lorsqu'ils sont connectés à vos applications et au Web, et nous avons investi massivement dans la sécurisation des données connectées⁠. Parallèlement, certaines fonctionnalités liées au réseau introduisent de nouveaux risques qui ne sont pas encore entièrement pris en compte par les mesures de sécurité et de sûreté mises en place par le secteur. Certains utilisateurs peuvent être disposés à assumer ces risques, et nous estimons qu'il est important que les utilisateurs aient la possibilité de décider s'ils souhaitent les utiliser et comment, en particulier lorsqu'ils travaillent avec leurs données privées.

Notre approche consiste à fournir des conseils intégrés au produit pour les fonctionnalités susceptibles d'entraîner des risques supplémentaires. Afin de clarifier et d'harmoniser cette approche, nous uniformisons la manière dont nous identifions une liste restreinte de fonctionnalités existantes. Ces fonctionnalités utiliseront désormais un libellé « Risque Élevé » commun dans ChatGPT, ChatGPT Atlas et Codex, afin que les utilisateurs reçoivent les mêmes conseils où qu'ils les rencontrent.

Par exemple, dans Codex, notre assistant de codage, les développeurs peuvent accorder à Codex l'accès au réseau afin qu'il puisse effectuer des actions sur le Web, comme consulter de la documentation. L'écran des paramètres correspondants comprend la mention « Risque élevé », accompagnée d'une explication claire des modifications apportées, des risques potentiels et des cas dans lesquels cet accès est approprié.

Nom : 3.jpg Affichages : 332 Taille : 49,6 Ko

Évolutions prévues

Nous continuons à investir dans le renforcement de nos mesures de sécurité et de sûreté, en particulier pour les risques nouveaux, émergents ou croissants. À mesure que nous renforçons les mesures de sécurité pour ces fonctionnalités, nous supprimerons la mention « Risque élevé » dès que nous aurons déterminé que les progrès en matière de sécurité ont suffisamment réduit ces risques afin de permettre une utilisation à grande échelle. Nous continuerons également à mettre à jour les fonctionnalités portant cette mention afin de mieux communiquer les risques aux utilisateurs.

Source : Présentation du mode Lockdown

Et vous ?

:fleche: Pensez-vous que cette fonctionnalité est crédible ou pertinente ?
:fleche: Quel est votre avis sur le sujet ?

Voir aussi :

:fleche: Les navigateurs IA créent d'énormes vulnérabilités en matière de cybersécurité : ChatGPT Atlas, Comet de Perplexity et Microsoft Copilot Mode exposent les utilisateurs à des risques de piratage

:fleche: Anthropic appelle à une pause globale en matière de développement de l'IA face aux signes indiquant qu'ils pourraient échapper au contrôle humain. Certains comportements de l'IA suscitent en effet des craintes

:fleche: La sécurité reste le grand oublié dans le déploiement de l'IA : Cisco a découvert 1 100 serveurs Ollama ouverts en ligne et exposés à des accès non autorisés, ce qui crée divers risques graves pour les hôtes
Images attachées
   
]]> Intelligence artificielle Alex https://www.developpez.net/forums/d2184145/general-developpement/algorithme-mathematiques/intelligence-artificielle/openai-etend-mode-lockdown-davantage-d-utilisateurs-chatgpt-lutter-contre-attaques/ Apple annonce une nouvelle version de Siri, son assistant vocal, plus « conversationnelle » https://www.developpez.net/forums/showthread.php?t=2184143&goto=newpost Tue, 09 Jun 2026 07:36:46 GMT *Apple annonce une nouvelle... Apple annonce une nouvelle version plus « conversationnelle » de son assistant vocal Siri AI, ainsi que sa nouvelle génération d'Apple Intelligence, basée sur Google Gemini

Apple remanie Siri en proposant un assistant IA plus conversationnel, dans le but de rattraper ses concurrents tels que ChatGPT et Gemini tout en intégrant davantage cette technologie dans les iPhone, les Mac et d'autres appareils. La nouvelle version de Siri peut extraire des informations de photos, de messages et du web, diviser les montants d’un ticket de caisse et proposer des voix personnalisables, le tout dans le respect des engagements renforcés d’Apple en matière de confidentialité et de sécurité des données. Le déploiement commencera en anglais, à l’exclusion de l’Union européenne et de la Chine pour l’instant, alors qu’Apple associe de nouveaux contrôles parentaux à un changement de direction, Tim Cook cédant sa place au responsable du matériel, John Ternus.

Siri est un assistant virtuel et un chatbot acquis, développé et popularisé par Apple, intégré aux systèmes d'exploitation iOS, iPadOS, watchOS, macOS, Apple TV, audioOS et visionOS. Il utilise les requêtes vocales, le contrôle gestuel, le suivi du regard et une interface utilisateur en langage naturel pour répondre aux questions, faire des recommandations et effectuer des actions en déléguant les demandes à un ensemble de services Internet. Au fil de son utilisation, il s'adapte aux usages linguistiques, aux recherches et aux préférences individuelles des utilisateurs, fournissant ainsi des résultats personnalisés.

En 2024, Apple a ajouté les premières fonctionnalités de grands modèles de langage à Siri dans iOS 18, iPadOS 18 et macOS Sequoia, y compris l'intégration de ChatGPT. En 2025, Apple a annoncé qu'une refonte plus large de Siri basée sur Apple Intelligence, destinée à permettre une personnalisation accrue, serait retardée en raison de défis techniques. Lorsque le Wall Street Journal a demandé pourquoi Apple, avec tous ses ingénieurs et ses ressources financières, n'arrivait pas à rendre cette technologie suffisamment performante pour la commercialiser, la société n'a pas admis être à la traîne dans la course à l'IA.

Au contraire, Craig Federighi, vice-président senior de l'ingénierie logicielle chez Apple, a souligné que l'IA était une nouvelle technologie, que Apple considérait davantage comme une « vague de transformation à long terme » qui allait avoir un impact sur l'industrie et la société pendant des décennies. « Il n'y a pas lieu de se précipiter pour lancer des fonctionnalités inadaptées et un produit inadéquat juste pour être le premier », a fait remarquer Craig Federighi. Selon les dirigeants, le véritable objectif d'Apple était de fournir aux développeurs des outils leur permettant d'exploiter les modèles de base d'Apple pour créer des applications plus intelligentes.

Récemment, Apple a dévoilé une nouvelle version de son assistant virtuel Siri basée sur l'IA, afin de rivaliser avec ses concurrents, tels que ChatGPT d'OpenAI et Gemini de Google. Le fabricant californien de smartphones a pris du retard sur ses concurrents dans la course à l'IA, alors que les entreprises technologiques investissent des centaines de milliards de dollars pour faire progresser leurs chatbots et développer des centres de données et d'autres infrastructures.


Apple annonce une nouvelle version de son assistant virtuel Siri basée sur l'IA

Lors de sa conférence des développeurs, les dirigeants d'Apple ont montré comment l'assistant virtuel Siri, doté d'une IA plus conversationnelle, peut aider les utilisateurs à être plus productifs. L'assistant IA peut trouver l'heure d'un concert, le lieu d'une photo ou des informations contenues dans des SMS. Apple a démontré comment l'IA peut être utilisée pour pointer un ticket de caisse et partager l'addition lors de dîners ou d'événements en groupe.

Grâce à cette nouvelle mise à jour, les utilisateurs peuvent désormais personnaliser l'intonation ou le rythme de la voix de Siri. Il est possible d'accéder à l'assistant virtuel remanié de différentes manières sur les appareils Apple, notamment en appuyant sur un bouton situé sur le côté du téléphone, en disant « Hey Siri » ou en posant des questions via l'outil de recherche Spotlight. La société a également dévoilé une application Siri AI autonome afin que les utilisateurs puissent consulter toutes leurs conversations IA en un seul endroit.

La société a tenté de se démarquer de ses concurrents en mettant l'accent sur la confidentialité et la sécurité des enfants. Les dirigeants d'Apple ont déclaré que les informations partagées avec son système d'IA Apple Intelligence ne seraient ni stockées ni accessibles à Apple. « Certains semblent foncer tête baissée, poursuivant l’IA pour l’IA, sans se soucier clairement des personnes », a déclaré Craig Federighi, vice-président senior de l’ingénierie logicielle chez Apple, lors de la conférence qui s’est tenue au siège de la société à Cupertino.

Siri AI sera disponible en anglais dans le courant de l'année, et l'entreprise prévoit d'étendre la prise en charge à d'autres langues. L'assistant IA de l'entreprise ne sera pas disponible dans un premier temps dans l'Union européenne sur certains appareils, notamment l'iPhone et l'iPad. L'IA Siri et les autres fonctionnalités d'IA d'Apple ne seront pas disponibles en Chine, car l'entreprise doit encore se conformer aux exigences réglementaires, a-t-il précisé.

Apple associe de nouveaux contrôles parentaux à un changement de direction

Les entreprises technologiques misent gros sur le fait que les outils d’IA, tels que les chatbots et les gadgets alimentés par l’IA, y compris les lunettes intelligentes, joueront un rôle majeur à l’avenir. De plus en plus de personnes utilisent les chatbots pour la recherche, la génération d’images, le codage et d’autres tâches. Mais les entreprises font également l’objet d’une surveillance étroite quant à la manière dont elles gèrent les risques liés à l’IA, tels que la sécurité des enfants, les contenus préjudiciables et la suppression d’emplois.

Les parents s’inquiètent du temps que leurs enfants passent devant les écrans. Lors de la conférence des développeurs, les dirigeants d’Apple ont annoncé le déploiement de nouveaux contrôles parentaux, notamment la possibilité de gérer plus facilement les sites web que leurs enfants consultent et les applications qu’ils utilisent. Les parents peuvent actuellement créer un compte avec des restrictions pour les utilisateurs de moins de 13 ans.

Cette année, l’entreprise étend un outil de sécurité afin de bloquer les images sanglantes ou violentes envoyées aux enfants par message. Apple a également indiqué que les parents pourront définir des « limites de temps » pour les divertissements, les jeux et les réseaux sociaux sur ses appareils. La société a présenté ces nouveaux outils sur une nouvelle page web consacrée à la sécurité des enfants.

Apple a déjà tenté de montrer aux investisseurs qu’elle suivait le rythme de la course à l’IA. Elle a lancé de nouvelles fonctionnalités d’IA qui permettent aux utilisateurs d’améliorer leur écriture, de traduire du texte, de résumer des messages et de créer des images. La société a toutefois également retardé les mises à jour de Siri et s'est davantage appuyée sur des partenariats pour faire progresser ses logiciels plutôt que d'investir massivement dans l'IA. Apple s'est associé à Google pour améliorer ses fonctionnalités d'IA.

La dernière annonce d'Apple intervient également à un tournant majeur pour la société. Le PDG d'Apple, Tim Cook, prévoit de quitter ses fonctions en septembre, pour passer le relais à John Ternus, vice-président senior de l'ingénierie matérielle. Cette année, la société a également fêté ses 50 ans. Tim Cook a déclaré que certains de ses plus grands moments en tant que PDG avaient eu lieu lors d’événements tels que la conférence des développeurs d’Apple. « Voir ce que vous créez avec eux m’a constamment rappelé que l’imagination n’a pas de limites », a-t-il déclaré.

Avec une capitalisation boursière de plus de 4 600 milliards de dollars, Apple est l’une des entreprises les plus valorisées au monde. L’action de l’entreprise a baissé de plus de 1 %, s’établissant à environ 302 dollars par action après les annonces d’Apple. Plus de 2,5 milliards de personnes utilisent les produits Apple dans le monde entier, et l’entreprise compte une multitude de fans qui font la queue devant ses magasins pour acheter les derniers iPhone, MacBook, AirPods et autres appareils électroniques grand public.

Nom : 1.jpg Affichages : 311 Taille : 50,7 Ko

Voici l'annonce d'Apple :

Apple présente Siri AI, un assistant nettement plus performant et personnalisé

Apple a présenté aujourd’hui Siri AI, une toute nouvelle version de Siri, optimisée par Apple Intelligence. Assistant nettement plus performant et conversationnel, doté d’une compréhension du contexte personnel, d’une vaste connaissance du monde et d’une perception de l’écran, Siri AI peut aider les utilisateurs à trouver ce dont ils ont besoin à tout moment, qu’il s’agisse de répondre à des questions provenant du Web sur pratiquement n’importe quel sujet ou de faire remonter des informations pertinentes issues des messages personnels, des e-mails, des photos et bien plus encore. Siri AI comprend également une application dédiée permettant aux utilisateurs de revoir leurs conversations sur l’ensemble de leurs appareils, une expérience d’intelligence visuelle enrichie et des outils d’écriture intégrés. Doté d’une nouvelle architecture audacieuse spécialement conçue pour protéger la vie privée des utilisateurs, Siri AI exploite la nouvelle génération d’Apple Intelligence pour apporter une compréhension et un raisonnement de pointe, ainsi que de puissantes capacités à l’échelle du système, aux systèmes d’exploitation d’Apple. Ces fonctionnalités sont disponibles dès aujourd’hui pour les développeurs à des fins de test et seront proposées en version bêta aux utilisateurs plus tard dans l’année.

« Nous sommes ravis de présenter Siri AI, un assistant nettement plus performant et conversationnel, conçu pour aider les utilisateurs à trouver des informations et à accomplir leurs tâches tout au long de la journée », a déclaré Craig Federighi, vice-président senior de l’ingénierie logicielle chez Apple. « Grâce à son accès à une vaste base de connaissances mondiales pour fournir des réponses actualisées sur pratiquement tous les sujets, ainsi qu’à sa prise en compte de l’écran et à sa compréhension du contexte personnel, Siri AI peut aider les utilisateurs à effectuer des actions dans les applications de manière plus naturelle que jamais. »

Un tout nouveau Siri, profondément intégré

Optimisé par la nouvelle génération d’Apple Intelligence, Siri AI est une version entièrement repensée de Siri, plus utile, plus performante et plus intelligente. Grâce à des réponses détaillées et engageantes ainsi qu’à des échanges conversationnels naturels, Siri AI aide les utilisateurs à accomplir plus de tâches que jamais.

Cette nouvelle version de Siri s’appuie sur Apple Intelligence, ce qui lui permet de s’appuyer sur la compréhension du contexte personnel et d’aider les utilisateurs à trouver ce dont ils ont besoin à un moment donné parmi leurs messages, leurs e-mails, leurs photos et bien plus encore. Par exemple, les utilisateurs peuvent demander à Siri de trouver une recommandation de restaurant dont un ami leur a parlé par message, de retrouver le numéro de confirmation d’un hôtel dans un ancien e-mail, ou d’afficher des photos avec des amis et de la famille prises lors d’un récent voyage. Et la compréhension du contexte personnel s’étend aux applications tierces lorsque les développeurs intègrent Spotlight.

Avec encore plus d’actions applicatives à l’échelle du système, l’IA de Siri permet aux utilisateurs d’accomplir des tâches dans différentes applications, comme rédiger un e-mail à partir de zéro, ou modifier et partager une série de photos. Grâce à la reconnaissance de l’écran, l’IA de Siri peut répondre à des questions liées au contenu affiché sur l’écran de l’utilisateur. Par exemple, si un utilisateur reçoit un SMS concernant un repas-partage entre amis, il peut réfléchir avec Siri à ce qu’il pourrait apporter, puis ajouter une recette dans l’application Notes.

De plus, l’IA de Siri peut s’appuyer sur une vaste connaissance du monde pour obtenir des informations à jour sur le Web concernant pratiquement n’importe quel sujet et générer une réponse utile, par exemple quand et où observer la prochaine éclipse solaire, ou quand un musicien se produira en ville. Les utilisateurs peuvent prolonger presque toutes les réponses de Siri en une conversation riche et poser des questions complémentaires.

Nom : 2.jpg Affichages : 266 Taille : 43,4 Ko

Les utilisateurs peuvent profiter de cette nouvelle version de Siri depuis n’importe où dans le système. En plus de dire « Hey Siri », les utilisateurs d’iPhone peuvent invoquer Siri à l’aide du bouton latéral, ou faire glisser leur doigt vers le bas depuis Dynamic Island pour entamer une conversation et obtenir une réponse détaillée. Sur iPad et Mac, l’IA Siri est intégrée à Spotlight afin que les utilisateurs puissent rechercher des réponses à presque toutes les questions. Elle est également intégrée aux menus contextuels à l’échelle du système, ce qui permet aux utilisateurs de cliquer tout en maintenant la touche Contrôle enfoncée pour poser des questions sur les images, les fichiers ou le texte affichés à l’écran. Sur l’Apple Vision Pro, l’IA Siri exploite l’informatique spatiale grâce à une visualisation 3D que les utilisateurs peuvent placer n’importe où dans leur espace, et ils peuvent invoquer Siri simplement en la regardant et en commençant à parler.

Les utilisateurs peuvent également accéder à l’IA Siri sur l’ensemble de leurs appareils lorsqu’ils sont en déplacement avec leur iPhone, leur Apple Watch, CarPlay et leurs AirPods. Les utilisateurs d’Apple Watch peuvent facilement entamer une conversation avec Siri directement depuis leur poignet, ou une nouvelle suggestion Smart Stack peut apparaître automatiquement pour les aider à poursuivre une conversation récente.

Entièrement repensé avec une nouvelle architecture puissante

Siri a été entièrement repensé avec une IA puissante en son cœur. Il tire pleinement parti de la nouvelle architecture audacieuse d’Apple Intelligence, notamment de la nouvelle génération de modèles de base Apple qui s’exécutent sur l’appareil et sur des serveurs utilisant Private Cloud Compute. Lorsque Private Cloud Compute traite les requêtes des utilisateurs, leurs données personnelles ne sont ni stockées ni rendues accessibles à Apple ou à quiconque. Des experts externes peuvent continuer à vérifier cet engagement en matière de confidentialité à tout moment. De plus, l’IA de Siri utilise l’orchestrateur système pour exploiter des fonctionnalités essentielles telles que l’index Spotlight et l’App Toolbox, qui fonctionnent entièrement sur l’appareil afin de permettre aux utilisateurs de garder le contrôle de leurs données.

Grâce à de nouvelles fonctionnalités puissantes et à des protections de confidentialité inégalées, Siri reste l’assistant numérique le plus respectueux de la vie privée au monde.

Nom : 3.jpg Affichages : 291 Taille : 24,1 Ko

Un puissant modèle sur l’appareil apporte de nouvelles capacités

Pour les produits prenant en charge le modèle intégré le plus avancé jamais conçu par Apple, Siri AI offre des voix encore plus expressives, ainsi qu’une amélioration significative de la précision grâce à la dictée à l’échelle du système.1 Les utilisateurs ont la possibilité de personnaliser l’expressivité et le rythme de la voix de Siri afin qu’elle leur convienne parfaitement. La dictée transcrit désormais ce que les utilisateurs disent sous forme de texte soigné avec une plus grande précision, en gérant automatiquement la majuscule, la ponctuation et la mise en forme au fur et à mesure qu’ils parlent. Grâce à une meilleure compréhension de la parole, les utilisateurs peuvent parler naturellement et être assurés que leurs mots s’afficheront clairement, avec précision et conformément à leur intention.

Nom : 4.jpg Affichages : 257 Taille : 22,9 Ko

Une application Siri dédiée pour revoir les conversations

Lorsque les utilisateurs souhaitent revoir une conversation passée ou en entamer une nouvelle, ils peuvent ouvrir la toute nouvelle application Siri dédiée. L’application Siri utilise iCloud pour synchroniser en toute confidentialité l’historique des conversations sur tous les appareils de l’utilisateur, ce qui lui permet de commencer à discuter avec Siri sur Mac et de poursuivre la conversation sur iPhone, iPad, Apple Watch ou Apple Vision Pro, regroupant ainsi toutes ses conversations en un seul endroit.

Nom : 5.jpg Affichages : 260 Taille : 42,0 Ko

Siri avec l’intelligence visuelle désormais disponible sur l’iPad, le Mac et l’Apple Vision Pro

Siri offre désormais de puissantes capacités de compréhension des images et des fonctionnalités multimodales, permettant aux utilisateurs de poser des questions sur du contenu visuel.

Sur l’iPhone, les capacités multimodales de Siri sont intégrées directement dans l’application Appareil photo grâce à un tout nouveau mode Siri, permettant aux utilisateurs d’obtenir des informations et d’agir sur ce qui se trouve devant eux. Il suffit aux utilisateurs d’appuyer sur le bouton de l’obturateur pour que Siri voie ce qu’ils voient et leur fournisse des réponses utiles. Le mode Siri dans l’application Appareil photo comprend également un nouvel ensemble complet d’actions, notamment la possibilité de partager une note avec des amis via Apple Cash, d’obtenir des informations nutritionnelles sur un plat, et bien plus encore.

Le mode Siri dans l’application Appareil photo propose de nouvelles fonctionnalités aux utilisateurs, notamment la possibilité de partager l’addition avec des amis via Apple Cash ou d’obtenir des informations nutritionnelles sur un plat.

Pour la première fois, l’Intelligence visuelle avec Siri fait également son apparition sur l’iPad et le Mac, permettant aux utilisateurs d’effectuer des recherches visuelles, de poser des questions et d’interagir directement sur leur écran en toute fluidité. Sur l’iPad, l’Intelligence visuelle est directement intégrée à la fonctionnalité de capture d’écran. Sur Mac, les utilisateurs peuvent y accéder via un raccourci clavier dédié, ce qui leur permet de sélectionner un élément sur l’écran de leur Mac et de taper directement dans Siri pour obtenir une réponse utile.

Visual Intelligence s’étend également à Apple Vision Pro, permettant aux utilisateurs de poser des questions à Siri simplement en regardant des éléments, qu’il s’agisse du contenu des fenêtres d’applications ou d’objets physiques autour d’eux.

Une façon plus intelligente d’écrire et de modifier des textes pratiquement partout grâce à l’IA de Siri

Siri propose désormais des outils d’écriture intégrés plus puissants que jamais, permettant aux utilisateurs d’écrire avec l’IA de Siri pratiquement partout où ils tapent. Les utilisateurs peuvent décrire ce dont ils ont besoin et Siri peut générer un brouillon à partir de zéro pour lancer le processus. Si un utilisateur souhaite peaufiner ce qu’il a écrit, il peut décrire la modification qu’il souhaite apporter et Siri peut rapidement la mettre à jour.

Lorsqu’ils écrivent dans Mail et Messages, Siri peut refléter la manière dont les utilisateurs communiquent habituellement avec chaque destinataire, y compris la ponctuation et le ton qu’ils utilisent généralement. Par exemple, si les utilisateurs envoient normalement à leur responsable de brèves listes à puces, c’est ce qui s’affichera lorsqu’ils rédigeront un e-mail avec Siri. Siri peut également donner aux utilisateurs des conseils et des suggestions pour améliorer leurs textes. De plus, Siri corrige désormais automatiquement les textes des utilisateurs au fur et à mesure qu’ils tapent, y compris dans la plupart des applications tierces.

Nom : 6.jpg Affichages : 256 Taille : 80,3 Ko

De nouvelles fonctionnalités d'Apple Intelligence rendent les applications du quotidien plus intelligentes

La nouvelle génération d'Apple Intelligence apporte également de nouvelles fonctionnalités passionnantes aux applications que les utilisateurs utilisent quotidiennement, notamment d'incroyables capacités d'édition dans Photos, des outils qui peuvent transformer la façon dont les utilisateurs naviguent sur le Web dans Safari, de nouvelles façons pour les utilisateurs de donner vie à leur imagination dans Image Playground, et bien plus encore.

Source : Annonce d'Apple

Et vous ?

:fleche: Pensez-vous que cette annonce est crédible ou pertinente ?
:fleche: Quel est votre avis sur le sujet ?

Voir aussi :

:fleche: Apple accepte de verser 250 millions $ aux propriétaires d'iPhone pour ne pas avoir fourni l'IA Siri, afin de mettre fin à un procès accusant l'entreprise d'avoir induit le public en erreur

:fleche: Après avoir échoué à rendre Siri intelligent avec son IA, Apple fait désormais appel à Google pour remanier Siri à l'aide d'une IA Gemini personnalisée, dans une démarche désespérée pour le rendre enfin utile

:fleche: Après plus d'une décennie, Tim Cook, le dirigeant qui a permis à Apple de devenir une entreprise valorisée à 4 000 milliards $ et qui a défini son identité dans l'ère post-Steve Jobs, quitte son poste de PDG
Images attachées
      
]]> Intelligence artificielle Alex https://www.developpez.net/forums/d2184143/general-developpement/algorithme-mathematiques/intelligence-artificielle/apple-annonce-nouvelle-version-siri-assistant-vocal-plus-conversationnelle/ <![CDATA[Jeff Bezos soutient un projet visant à révolutionner l'IA en s'inspirant directement du cerveau humain]]> https://www.developpez.net/forums/showthread.php?t=2184138&goto=newpost Mon, 08 Jun 2026 22:01:26 GMT *Flourish, une startup... Flourish, une startup soutenue par Jeff Bezos, lève 500 millions de dollars pour déchiffrer « l'algorithme fondamental de la pensée » afin de développer une IA plus efficace inspirée du cerveau

La startup Flourish, financée par Jeff Bezos, ambitionne de révolutionner l'IA en s'inspirant directement du cerveau humain. Fondée par Thomas Reardon et Rob Williams, la société cherche à résoudre les problèmes de consommation énergétique et d'apprentissage continu qui limitent les modèles actuels. En associant des neuroscientifiques et des chercheurs en IA, l'équipe mène des expériences biologiques pour découvrir l'algorithme fondamental de la pensée. Leur objectif est de créer une technologie capable de fonctionner avec seulement 50 watts, égalant ainsi l'efficacité organique. Pourtant, le projet inspire peu de confiance quant à sa réussite.

Fondée par le neuroscientifique Thomas Reardon et l'ancien dirigeant d'Amazon Rob Williams, Flourish est une startup est sortie de l'ombre avec un objectif ambitieux : découvrir « l'algorithme fondamental » du cerveau et s'en servir pour créer une nouvelle forme d'IA radicalement plus efficace. Soutenue par Jeff Bezos et d’autres investisseurs de renom, la startup a levé 500 millions de dollars pour une valorisation estimée à 2,5 milliards de dollars.

Flourish estime que les systèmes d'IA actuels ont atteint une limite critique, car ils nécessitent d'énormes quantités de puissance de calcul, d'énergie et de données d'entraînement. Plutôt que de continuer à faire grossir les grands modèles de langage existants, Flourish prévoit d'associer la recherche en neurosciences au développement de l'IA pour identifier les principes biologiques qui rendent le cerveau humain si extraordinairement efficace.

Flourish veut réinventer l'IA pour la rendre plus efficace

Flourish s'est fixée pour objectif de créer « Cortex AI », un système d'IA qui imite les capacités computationnelles et l'efficacité énergétique du cerveau humain. Le projet a su convaincre Jeff Bezos et d'autres investisseurs, qui ont investi massivement après avoir lu un argumentaire visionnaire. Après avoir examiné la proposition des fondateurs, le fondateur d'Amazon a investi 50 millions de dollars et aurait par la suite renforcé son engagement.


Au total, Flourish a levé 500 millions de dollars, propulsant sa valorisation à 2,5 milliards de dollars. Flourish veut créer un système d'IA dont les capacités de calcul se rapprochent de celles du cerveau humain, tout en consommant moins de 50 watts. Contrairement aux modèles d'IA actuels, qui sont entraînés une seule fois puis restent largement statiques, Flourish espère développer des systèmes d'IA capables d'apprendre et de s'adapter en continu.

L'approche de Flourish s'articule autour de l'étude des colonnes corticales, des structures cérébrales que les chercheurs décrivent comme des unités de calcul fondamentales. Flourish rassemble une équipe de neuroscientifiques et de chercheurs en IA, qui utilise la microscopie de pointe, la cartographie des circuits neuronaux et des expériences biologiques afin d'identifier des principes susceptibles d'être transposés dans de nouvelles architectures d'IA.

La startup a également recruté des talents de renom, dont Greg Wayne, chercheur de longue date chez Google DeepMind. Les autres investisseurs comprennent Lux Capital et GV. Cette base de capital vise à soutenir un effort de recherche à long terme dont la concrétisation pourrait prendre entre cinq et dix ans.

Le constat d'échec des grands modèles de langage (LLM)

L'initiative de Flourish repose sur une critique pointue des modèles de langage contemporains, dont le fonctionnement s'est dangereusement éloigné de la biologie. Bien qu'ils soient de plus en plus puissants, ces modèles de langage sont devenus d'immenses gouffres énergétiques nécessitant des milliers de puces électroniques et des gigawatts d'énergie, alors que le cerveau humain ne consomme qu'environ 20 watts pour traiter l'information.

L'autre faille majeure soulignée est l'incapacité de ces systèmes à apprendre en continu, puisqu'ils restent figés une fois entraînés et exigent l'ingestion de quantités astronomiques de données pour fonctionner, contrairement à un cerveau humain capable d'apprendre efficacement avec peu d'exemples.

Si certains experts restent sceptiques quant à l'existence d'un « algorithme fondamental » unique pour l'intelligence, les partisans affirment que même des avancées partielles pourraient réduire considérablement les besoins en énergie et en données des systèmes d'IA. L'appétit énergétique des centres de données et leurs énormes besoins en eau sont des préoccupations majeures pour tous, provoquant la colère de certaines communautés locales.

Entre révolution annoncée et pari hautement spéculatif

Malgré des financements colossaux et une équipe prestigieuse, le projet de Flourish demeure une entreprise extrêmement risquée. L'approche neuromorphique n'est pas nouvelle et le terme est aujourd'hui galvaudé. De nombreux groupes de recherche et entreprises explorent actuellement l'informatique neuromorphique et les approches biologiques de l'intelligence. Cela inclut des initiatives soutenues par Meta ou par Sam Altman, PDG d'OpenAI.

Sur le plan méthodologique, les fondateurs admettent ne pas encore posséder la solution pour reproduire la magie du cerveau, se reposant sur un plan expérimental vaste qui consiste pour l'instant à explorer toutes les pistes simultanément. Il s'agit d'un pari de très long terme, pensé sur sept à dix ans, au point que certains conseillers scientifiques de l'entreprise confessent publiquement leurs doutes quant aux chances réelles de succès.

Si le pari de Flourish réussit, il bouleversera indéniablement le paysage technologique et rendra obsolètes les immenses centres de données actuels, mais ce résultat relève pour le moment du domaine de l'hypothèse. Selon Wired, Flourish estime en effet que la combinaison de ses recherches originales en neurosciences et de son expertise en ingénierie de l'IA lui offre une occasion unique de découvrir des algorithmes fondamentalement nouveaux.

L'entreprise explore également des opportunités commerciales à plus court terme. Thomas Reardon a indiqué que Flourish développait des systèmes de mémoire inspirés de l'hippocampe et avait déjà mis au point des modèles capables d'apprendre en continu. La startup travaillerait actuellement au déploiement de ces technologies sur des appareils à faible consommation d'énergie et étudierait des partenariats avec de grands fabricants de puces.

Project Prometheus : l'autre projet ambitieux de Jeff Bezos

Une autre rivalité prend forme : utiliser l'IA pour comprendre le monde physique afin de repenser les usines, améliorer l'ingénierie et automatiser les processus industriels. Cette évolution est importante, car l'industrie manufacturière a toujours été plus difficile à moderniser que le secteur des logiciels. Les machines fonctionnent dans des environnements chaotiques et à haut risque où la précision, les contraintes et la sécurité sont des facteurs clés.

C’est là que Jeff Bezos voit une opportunité. Plutôt que de se contenter de soutenir les logiciels, il s’intéresse aux industries qui fabriquent des puces, des systèmes aéronautiques et des équipements de défense, puis se demande si des modèles d’IA plus intelligents peuvent les faire fonctionner mieux et produire davantage. L’idée est de détenir ces entreprises, d’améliorer leur fonctionnement et de tirer parti à la fois des gains opérationnels futurs.

Cette initiative est liée à la startup de Jeff Bezos, Project Prometheus. Jeff Bezos, dont l’implication dans l’entreprise avait été révélée en novembre, en est le cofondateur et le co-PDG, aux côtés de Vik Bajaj, ancien cadre de Google. Prometheus se consacre à la création de grands modèles de langage de haut niveau visant à améliorer la fabrication et l’ingénierie dans les secteurs tels que l’aérospatiale, de l’automobile et plusieurs autres domaines.

L'équipe comprend des talents recrutés chez OpenAI, Google DeepMind et Meta, et le PDG de Blue Origin, David Limp, a récemment rejoint le conseil d'administration. Le nouveau fonds dédié à la fabrication soutiendra cette mission en rachetant des entreprises qui utiliseront à terme les modèles de Prometheus.

L'initiative de Jeff Bezos suscite des réactions négatives

Le sénateur américain Bernie Sanders a lancé un avertissement sévère aux Américains après qu'un récent rapport du Wall Street Journal (WSJ) a révélé le projet de Jeff Bezos. Dans une série de messages publiés sur le réseau social X (ex-Twitter), Bernie Sanders a accusé le fondateur d'Amazon de tenter de remplacer la main-d'œuvre humaine par des machines à une échelle sans précédent. Le sénateur a mis en garde contre un chômage de masse.

« Jeff Bezos, l'un des hommes les plus riches de la planète, lève 100 milliards de dollars pour remplacer les travailleurs par des robots partout dans le monde. Les oligarques veulent tout. Ça n'arrivera pas. Levez-vous et RIPOSTEZ », a-t-il écrit. Son avertissement intervient alors que le débat sur l'impact de l'IA sur l'emploi s'intensifie. Le PDG de JPMorgan Chase, Jamie Dimon, a également récemment mis en garde contre les suppressions d'emplois.

Selon lui, 150 000 employés de la banque utilisent l'IA chaque semaine. Les économistes estiment que jusqu'à 20 % de la main-d'œuvre américaine pourrait être exposée à l'automatisation au cours de la prochaine décennie, les emplois dans les transports, la logistique et l'industrie manufacturière étant les plus menacés.

Le sénateur Mark Kelly (D-Arizona) a présenté sa feuille de route intitulée « AI for America », qui vise à aider les entreprises à mettre en œuvre l'IA de manière responsable, à limiter les pertes d'emplois et à donner la priorité à la reconversion professionnelle des travailleurs. Ce plan souligne la nécessité pour les entreprises de trouver un équilibre entre innovation et protection des travailleurs, alors que l'automatisation transforme l'économie.

Décalage entre promesses techniques et réalité économique

Il existe une déconnexion majeure entre les discours optimistes des dirigeants de la Silicon Valley et la situation financière réelle des citoyens. Les dirigeants promettent que l'IA augmentera la productivité et améliorera le niveau de vie de tous. Sam Altman a souvent prédit une ère de prospérité où « le travail deviendrait presque inutile ». Cependant, la réalité de 2026 est marquée par une inflation persistante et un sentiment de précarité économique.

Edward Zitron estime que « beaucoup de nouvelles technologies intégrant l’IA ne sont que des itérations d’outils déjà existants, habillés de marketing extravagant ». Ces produits sont présentés comme révolutionnaires alors qu’ils ne font rien de fondamentalement nouveau. L’industrie se concentre sur l’image et le battage médiatique plutôt que sur la création de valeur réelle. Il critique notamment le modèle de capital-risque et de l’investissement dans l’IA.

Edward Zitron est auteur, podcasteur et spécialiste des relations publiques anglais. Il est connu pour ses analystes critiques sur le secteur technologique, notamment l'essor de l'IA générative. Il dénonce le battage médiatique intense autour des entreprises spécialisées dans l'IA générative. D'après lui, le secteur de l'IA utilise les médias pour dissimuler une croissance des infrastructures nettement plus lente que ce qui est annoncé officiellement.

Les consommateurs perçoivent l'IA non pas comme une solution, mais comme un levier utilisé par les employeurs pour justifier des licenciements massifs et réduire les effectifs. En 2025, plus de 55 000 licenciements aux États-Unis ont été directement attribués à l'intégration de cette technologie, renforçant l'idée que l'IA sert avant tout les intérêts des entreprises au détriment des travailleurs. Tout cela alimente l'hostilité contre les leaders de la technologie.

Et vous ?

:fleche: Quel est votre avis sur le sujet ?
:fleche: Que pensez-vous du projet de la startup Flourish soutenue par Jeff Bezos ?
:fleche: L'industrie technologique peut-elle créer des puces aussi efficaces que le cerveau humain ?
:fleche: Ce projet a-t-il des chances de réussir ? Ou est-ce une nouvelle promesse pour gonfler la bulle de l'IA ?

Voir aussi

:fleche: Un centre de données dans l'État de Géorgie a consommé environ 114 millions de litres d'eau sans que personne s'en aperçoive, jusqu'à ce que les habitants se plaignent d'une faible pression d'eau

:fleche: La startup spécialisée dans l'IA de Jeff Bezos, dont on sait peu de choses, devrait être valorisée à environ 38 milliards de dollars après avoir levé 10 milliards de dollars lors d'un tour de table record

:fleche: La Chine inaugure le « premier » centre de données sous-marin au monde alimenté par l'éolien offshore. L'installation de 24 mégawatts abrite 2 000 serveurs et utilise l'eau de mer pour le refroidissement passif ]]> Intelligence artificielle Mathis Lucas https://www.developpez.net/forums/d2184138/general-developpement/algorithme-mathematiques/intelligence-artificielle/jeff-bezos-soutient-projet-visant-revolutionner-l-ia-s-inspirant-directement-cerveau-humain/ <![CDATA["ChatGPT est mort" : OpenAI prévoit de transformer son chatbot en une "super-app" dotée d'agents IA]]> https://www.developpez.net/forums/showthread.php?t=2184131&goto=newpost Mon, 08 Jun 2026 15:59:14 GMT "ChatGPT est mort" : OpenAI prévoit de transformer son chatbot en une "super-app" dotée d'agents IA destinée à un usage quotidien, afin de générer davantage de revenus et de sauver OpenAI du désastre financier

OpenAI prévoit de transformer ChatGPT en une « super-application » alimentée par l'intelligence artificielle (IA) combinant des capacités de codage et des agents IA intégrés, d'après un rapport du Financial Times. Cette refonte, qui devrait être dévoilée dans les semaines à venir, reflète la pression croissante exercée sur l'entreprise pour qu'elle augmente son chiffre d'affaires et retrouve sa rentabilité avant son introduction en bourse, attendue plus tard dans l'année. Cette initiative vise également à attirer une clientèle plus lucrative et à positionner les produits d'OpenAI en concurrence directe avec les offres d'IA axées sur les agents proposées par ses concurrents, notamment Anthropic.

OpenAI est un organisme américain de recherche en IA dont le siège social est situé à San Francisco. Il est constitué d’OpenAI Group PBC, une société d’intérêt public à but lucratif, détenue en partie par OpenAI Foundation, une organisation à but non lucratif. OpenAI a développé la famille de grands modèles de langage génératifs pré-entraînés (GPT), la série DALL-E et la série Sora. Son lancement de ChatGPT en novembre 2022 est considéré comme ayant catalysé le boom de l'IA et suscité un intérêt généralisé pour l'IA générative.

En octobre 2025, plusieurs informations indiquaient qu'OpenAI se préparait à réaliser l'une des plus importantes introductions en bourse de tous les temps, avec une valorisation potentielle supérieure à 1 000 milliards de dollars. Sarah Friar, la directrice financière d'OpenAI, avait indiqué à certains investisseurs que l'opération était envisagée pour 2027, tandis que certains conseillers estimaient qu'elle pourrait avoir lieu dès la fin de l'année 2026.

Cette initiative s'accompagne d'interrogations quant à la croissance future des revenus de ChatGPT. Selon un rapport de The Information, OpenAI prévoit une baisse de 80 % du nombre d'abonnements à ChatGPT Plus, qui passerait de 44 millions en 2025 à 9 millions en 2026. Pour compenser ce recul, l'entreprise envisagerait de miser davantage sur ChatGPT Go, une offre moins onéreuse financée par la publicité, et de viser 112 millions d'utilisateurs d'ici la fin de l'année. Cette stratégie intervient alors que plusieurs rapports ont indiqué qu'OpenAI n'avait pas atteint certains de ses objectifs de croissance en matière d'utilisateurs et de revenus.

Plus récemment, un rapport du Financial Times a révélé qu'OpenAI envisage de transformer ChatGPT en une « super-application » combinant des outils de codage et des agents IA. Les dirigeants de l'entreprise souhaitent axer le produit sur les fonctionnalités les plus rentables en prévision de son introduction en bourse, prévue plus tard cette année, selon le média.

L'entreprise subit une pression croissante pour retrouver la rentabilité en augmentant son chiffre d'affaires, sa stratégie principale consistant à attirer des clients plus lucratifs et à rivaliser plus fermement avec son concurrent Anthropic.

Le principal changement réside dans l'importance qu'OpenAI accorde désormais aux agents plutôt qu'aux chatbots, même si ce sont ces derniers qui ont fait de l'entreprise « le visage de la révolution de l'IA » lors de son lancement en 2022.

Nom : openai chatgpt superapp.png Affichages : 7261 Taille : 158,3 Ko

Selon le Financial Times, l'entreprise concentrera ses ressources sur le développement de Codex, un agent IA qui facilite le codage et le développement de logiciels, et qui fait partie des fonctionnalités premium payantes d'OpenAI.

Cette refonte devrait être dévoilée dans les semaines à venir, sous la forme d'une mise à jour de l'application ChatGPT visant à encourager les utilisateurs à recourir au codage, à la génération d'images et aux applications de partenaires externes.

OpenAI abandonne ChatGPT pour se concentrer sur les agents IA

« ChatGPT est mort », a déclaré un cadre supérieur d’OpenAI au Financial Times lorsqu’on l’a interrogé sur l’avenir de l’entreprise.

OpenAI, dont la valeur est estimée à environ 850 milliards de dollars, cherchera à proposer à ses utilisateurs un produit plus proche des modèles d’Anthropic, qui mettent l’accent sur des agents IA capables de gérer plusieurs tâches simultanément à partir d’une seule instruction.

« Notre objectif est de vous offrir un assistant personnel capable de vous aider dans tous les aspects de votre vie, que ce soit sur le plan personnel ou professionnel », a déclaré Thibault Sottiaux, ancien directeur de Codex et désormais responsable de l’ensemble des produits et de la plateforme principaux d’OpenAI, au Financial Times.

« Vous pourrez y accéder depuis votre mobile, votre ordinateur de bureau ou le Web. Lorsque vous serez en voiture, vous pourrez lui parler », a-t-il ajouté.

« Lorsque nous disposerons d’une [intelligence artificielle générale], je ne pense pas qu’il y aura un grand nombre de marques distinctes », a déclaré Alex Embiricos, responsable des produits d’entreprise chez OpenAI. « Il y aura probablement une seule entité à laquelle je pourrai m’adresser et qui sera capable de répondre à tous mes besoins. »

Concilier innovation et rentabilité

À l'heure actuelle, l'entreprise reste largement tributaire de ses utilisateurs particuliers, les contrats d'entreprise représentant environ 40 % des revenus d'OpenAI (une part qui devrait passer à 50 % l'année prochaine, selon des estimations internes).

Selon Jenny Xiao, associée chez Leonis Capital et ancienne chercheuse chez OpenAI, l’entreprise avait pour habitude de « viser haut », privilégiant l’innovation au détriment des produits rentables.

« Aujourd’hui, ces deux aspects convergent, car l’entreprise cherche à entrer en bourse et les investisseurs s’intéressent davantage à l’argent qu’aux rêves », a-t-elle déclaré au Financial Times.

Alors que la transformation de ChatGPT en « super-application » s'inscrit dans la recherche de nouvelles sources de revenus, OpenAI reste confrontée à d'importants défis financiers. Selon les documents internes de l'entreprise, OpenAI prévoit d'enregistrer une perte de 14 milliards de dollars en 2026, soit près de trois fois les estimations avancées pour 2025. Les projections indiquent également des pertes cumulées de 44 milliards de dollars jusqu'en 2029, avant un éventuel retour à la rentabilité.

Derrière l'image d'un acteur dominant du secteur, OpenAI demeure engagée dans une course à la croissance et à la rentabilité, alors qu'elle prépare son avenir sur les marchés financiers.

Sources : OpenAI ; Thibault Sottiaux, responsable de l’ensemble des produits d'OpenAI ; Financial Times

Et vous ?

:fleche: Quel est votre avis sur le sujet ?
:fleche: Trouvez-vous cette initiative d'OpenAI judicieuse ou pertinente ?

Voir aussi :

:fleche: OpenAI améliore la fonctionnalité de mémoire de ChatGPT sur son offre gratuite grâce à « Dreaming », une nouvelle architecture qui permet à ChatGPT de trier vos conversations et d'enregistrer des informations

:fleche: OpenAI lance son application de codage Codex sur mobile, disponible sur iOS et Android, qui se connecte désormais à votre session Codex en cours d'exécution sur votre ordinateur de bureau

:fleche: OpenAI déploie ChatGPT 5.5 Instant comme nouveau modèle par défaut pour tous les utilisateurs d'OpenAI et affirme que GPT-5.5 offre une faible latence et moins d'hallucinations
Images attachées
 
]]> Intelligence artificielle Anthony https://www.developpez.net/forums/d2184131/general-developpement/algorithme-mathematiques/intelligence-artificielle/chatgpt-mort-openai-prevoit-transformer-chatbot-super-app-dotee-d-agents-ia/ <![CDATA[OpenAI améliore la fonctionnalité de mémoire de ChatGPT sur son offre gratuite grâce à l'architecture Dreaming]]> https://www.developpez.net/forums/showthread.php?t=2184128&goto=newpost Mon, 08 Jun 2026 14:18:10 GMT *OpenAI améliore la... OpenAI améliore la fonctionnalité de mémoire de ChatGPT sur son offre gratuite grâce à « Dreaming », une nouvelle architecture qui permet à ChatGPT de trier vos conversations et d'enregistrer des informations

OpenAI a dévoilé une mise à jour majeure de la fonctionnalité « Mémoire » de ChatGPT en introduisant une nouvelle architecture, « Dreaming », qui permet au chatbot de synthétiser automatiquement les informations issues des conversations passées d'un utilisateur, sans qu'il soit nécessaire de lui fournir des instructions explicites pour les mémoriser. Cette amélioration permet une prise en compte du contexte plus poussée, qui va au-delà des conversations individuelles ou des listes de mémoire enregistrées. Elle est actuellement en cours de déploiement auprès des utilisateurs. Les abonnés aux formules Plus et Pro aux États-Unis bénéficient d'un accès prioritaire, mais OpenAI a indiqué que les utilisateurs des formules Free et Go du monde entier pourront également profiter de cette fonctionnalité dans les semaines à venir.

OpenAI est un organisme américain de recherche en IA dont le siège social est situé à San Francisco. Il est constitué d’OpenAI Group PBC, une société d’intérêt public à but lucratif, détenue en partie par OpenAI Foundation, une organisation à but non lucratif. OpenAI a développé la famille de grands modèles de langage génératifs pré-entraînés (GPT), la série DALL-E et la série Sora. Son lancement de ChatGPT en novembre 2022 est considéré comme ayant catalysé le boom de l'IA et suscité un intérêt généralisé pour l'IA générative.

ChatGPT est un chatbot d'IA générative développé par OpenAI. Lancé initialement en novembre 2022, ce produit utilise de grands modèles de langage, plus précisément des transformateurs génératifs préentraînés (GPT), pour générer du texte, de la parole et des images en réponse aux requêtes des utilisateurs. ChatGPT a accéléré le boom de l'IA, une période actuelle marquée par des investissements rapides et un intérêt grandissant du public pour le domaine de l'IA. OpenAI exploite ce service selon un modèle freemium. Les utilisateurs peuvent interagir avec ChatGPT par le biais d'instructions génératives (prompts) textuelles, audio et visuelles.

Le 4 juin 2026, OpenAI a annoncé une mise à jour majeure de la fonctionnalité mémoire de ChatGPT, qui améliore considérablement les capacités existantes, au bénéfice notamment des utilisateurs de comptes gratuits. Selon OpenAI, la nouvelle mise à jour de la mémoire de ChatGPT met à la disposition des utilisateurs l'architecture « Dreaming », une fonctionnalité qui offre une meilleure prise en compte du contexte dans toutes les conversations des utilisateurs.


OpenAI lance « Dreaming », une mise à niveau de la mémoire de ChatGPT

OpenAI a révélé dans son dernier communiqué qu'elle déployait actuellement une mise à jour majeure de la fonctionnalité mémoire de ChatGPT, que l'entreprise présente comme un « système plus performant et évolutif pour la synthèse de la mémoire ».

La fonctionnalité mémoire de ChatGPT a été dotée de la nouvelle architecture « Dreaming », qu'OpenAI décrit comme plus attentive aux conversations et aux autres informations de l'utilisateur.

Les versions précédentes de la mémoire n'utilisaient que le contexte propre à la conversation en cours avec le chatbot ; l'entreprise a ensuite amélioré cette fonctionnalité en lançant une « liste de mémoire » dans laquelle elle conserve tous les types de contexte pouvant être récupérés ultérieurement en cas de besoin.

En avril 2025, OpenAI a annoncé avoir amélioré cette fonctionnalité afin de pouvoir faire référence à d'autres contextes de conversation en dehors de la liste de mémoire enregistrée, ce qui constituait sa première itération de la fonctionnalité « Dreaming ».

Selon OpenAI, « Dreaming » est « une méthode permettant à ChatGPT de trier automatiquement des souvenirs en arrière-plan en se référant à l'historique des discussions ». En d'autres termes, il peut récupérer des « souvenirs », le contexte et d'autres informations issues de conversations précédentes.

En résumé, OpenAI a dévoilé une version de « Memory » qui n'est pas limitée à une liste de mémoires ou à une seule discussion ou conversation.

L'architecture « Dreaming » profite également aux comptes gratuits

La nouvelle architecture « Dreaming » fonctionne en arrière-plan et permet à ChatGPT de « synthétiser » des informations issues de diverses conversations, sans avoir besoin d'instructions explicites pour les mémoriser.

Dans le cadre de ce déploiement actuel d'OpenAI, le processus est plus performant et plus efficace, et l'entreprise le met également à la disposition des utilisateurs de la version gratuite.

Grâce à cette fonctionnalité, les utilisateurs de la version gratuite bénéficient d'une meilleure expérience avec ChatGPT, car la capacité de compréhension contextuelle du chatbot, ou fonctionnalité « Mémoire », bénéficie d'une nouvelle architecture améliorée.

Il convient toutefois de noter qu'OpenAI continuera à donner la priorité à la nouvelle architecture « Dreaming » pour les utilisateurs des versions Plus et Pro aux États-Unis, qui est disponible dès le 4 juin 2026.

OpenAI mettra la fonctionnalité « Dreaming » de « Memory » à la disposition des utilisateurs des versions Go et Free à travers le monde dans les semaines à venir.

Annonce d'OpenAI

Voici un extrait de l'annonce d'OpenAI : «

Nous commençons aujourd’hui à déployer un système de synthèse de la mémoire plus performant et plus évolutif, conçu pour relever les défis liés à l’obsolescence, à l’exactitude et à l’évolutivité que nous observons lorsque la mémoire est mise en œuvre pour des centaines de millions d’utilisateurs et sur des horizons temporels de plusieurs années dans ChatGPT.

C'est grâce à la mémoire que ChatGPT apprend à connaître vos préférences, vos projets et vos contraintes, ce qui permet aux conversations futures de s'appuyer sur un contexte commun plutôt que de repartir de zéro.

Au cours des deux dernières années, la mémoire est devenue un élément essentiel de l'expérience ChatGPT, aidant ChatGPT à mieux comprendre votre contexte afin de vous aider à atteindre des objectifs concrets au fil du temps. C'est là un élément central pour rendre ChatGPT plus utile : vous connaître, vous aider et faire davantage pour vous.

Comment nous évaluons la mémoire

Lorsque nous réfléchissons à ce que signifie « avoir une bonne mémoire » pour ChatGPT, plusieurs éléments nous viennent à l'esprit :

  1. Conserver le contexte utile : vous communiquez une information à ChatGPT une seule fois, et il s'en souvient lors de vos conversations suivantes.
  2. Respecter les préférences et les contraintes : si vous exprimez une préférence (par exemple, que vous êtes végétarien), ChatGPT doit alors adopter un comportement cohérent avec cette préférence à l'avenir.
  3. Rester à jour au fil du temps : la mémoire doit tenir compte du passage du temps. Imaginez : « L'utilisateur organise sa fête d'anniversaire pour samedi prochain » ; finalement, dimanche arrive.

Nous pouvons évaluer dans quelle mesure la mémoire de ChatGPT Plus et Pro s'est améliorée au fil du temps par rapport à chacun des trois objectifs de mémoire mentionnés ci-dessus. Nous procédons ainsi pour chacune des versions suivantes :

  1. 2024 : Souvenirs enregistrés
  2. 2025 : Souvenirs enregistrés + Dreaming V0
  3. 2026 : Dreaming V3

Reprise du contexte

Lorsque vous démarrez une nouvelle conversation avec ChatGPT, vous n'avez pas besoin de vous présenter à chaque fois. ChatGPT vous fait gagner du temps et s'appuie sur le contexte précédent, en particulier pour les projets complexes et de longue durée.

Par exemple, imaginez que vous utilisiez ChatGPT pour acheter du nouveau matériel photographique compatible avec votre appareil photo actuel. Si vous avez déjà parlé de votre équipement photographique à ChatGPT, vous pouvez lui demander des produits compatibles avec « mon équipement photographique » et obtenir des recommandations personnalisées qui répondent à vos besoins.

Nom : openai chatgpt memoire dreaming fig 1.png Affichages : 326 Taille : 113,8 Ko

Nous pouvons élaborer une évaluation à partir d'exemples de ce type, dans lesquels on demande au modèle de répondre à une invite qui l'oblige à se remémorer des informations factuelles concernant l'utilisateur. Le modèle est alors récompensé s'il répond en utilisant correctement le contexte pertinent. Dans cette évaluation, le nouveau système basé sur Dreaming améliore la capacité du modèle à se remémorer des faits pertinents.

Nom : openai chatgpt memoire dreaming fig 2.png Affichages : 269 Taille : 12,7 Ko

Tenir compte des préférences

La mémoire permet également à ChatGPT de fournir des réponses qui correspondent mieux à vos préférences et à vos contraintes.

Imaginez que vous organisiez un voyage à Singapour. Deux mois avant votre départ, vous demandez à ChatGPT de vous aider à établir un itinéraire. Grâce à vos précédentes réservations, ChatGPT sait déjà que vous aimez la photographie animalière, que vous préférez les hôtels bien climatisés et que vous préférez un dîner tranquille à un bar bondé.

Nom : openai chatgpt memoire dreaming fig 3.png Affichages : 270 Taille : 197,6 Ko

Les préférences peuvent prendre plusieurs formes :

  • Des instructions sur la manière dont ChatGPT doit répondre (« ne parle plus de Stan »).
  • Vos préférences ou contraintes personnelles (« Je suis végétarien »).
  • Des préférences implicites qui déterminent ce qui vous intéresse (« J'habite près de San Francisco » → les options locales doivent être adaptées à cette région).

Lors du développement du nouveau système de mémoire, nous avons amélioré la capacité de ChatGPT à tenir compte des préférences pertinentes issues de conversations antérieures. En reprenant l'exemple « Je suis végétarien » ci-dessus, nous pouvons vérifier si le modèle exploite correctement sa mémoire pour proposer des options de repas adaptées aux végétariens lorsqu'un utilisateur végétarien demande des suggestions de repas.

Nom : openai chatgpt memoire dreaming fig 4.png Affichages : 267 Taille : 14,8 Ko

Rester à jour au fil du temps

Les systèmes de mémoire traditionnels peuvent devenir obsolètes. Par exemple, vous dites à ChatGPT : « Je suis à Singapour et j'ai besoin d'une recommandation pour le dîner de ce soir. » Puis, le temps passe, votre voyage se termine, et vous vous demandez pourquoi ChatGPT continue de croire que vous êtes à Singapour.

Avec Dreaming, les souvenirs sont automatiquement mis à jour au fil du temps, ce qui permet à ChatGPT de modifier sa mémoire, passant de « Vous partez à Singapour en juillet » à « Vous êtes allé à Singapour en juillet 2026 » une fois le voyage terminé. Ensuite, à votre retour, ChatGPT peut à nouveau vous proposer des recommandations adaptées à votre lieu de résidence et à votre fuseau horaire.

Nom : openai chatgpt memoire dreaming fig 5.png Affichages : 289 Taille : 123,5 Ko

Dans nos évaluations de la mémoire, nous vérifions si ChatGPT est capable de répondre correctement à des requêtes pour lesquelles le temps qui passe a une incidence significative sur la réponse ou la recommandation correcte. Dreaming apporte une amélioration notable dans ce domaine :

Nom : openai chatgpt memoire dreaming fig 6.png Affichages : 268 Taille : 12,8 Ko

»

Alors qu’OpenAI étend les capacités de mémoire de ChatGPT afin de renforcer la personnalisation de l’expérience utilisateur, l’entreprise continue d’évoluer dans un contexte financier marqué par des investissements massifs et des pertes importantes.

Selon un rapport de The Information fondé sur des documents internes de l'entreprise, OpenAI prévoit une perte de 14 milliards de dollars en 2026, soit près de trois fois les estimations avancées pour 2025. Ces projections indiquent également que les pertes cumulées pourraient atteindre 44 milliards de dollars d’ici 2029, avant un retour attendu à la rentabilité. Les documents évoquent toutefois une forte croissance des revenus à long terme, à un niveau comparable à celui de Nvidia, illustrant l’ampleur des investissements nécessaires pour développer et exploiter des modèles d’IA toujours plus avancés.

Source : OpenAI

Et vous ?

:fleche: Quel est votre avis sur le sujet ?
:fleche: Trouvez-vous cette initiative d'OpenAI crédible ou pertinente ?

Voir aussi :

:fleche: OpenAI lance pour sa plateforme de codage assisté par IA Codex les plugins Agent et la fonctionnalité Sites, pour créer des applications et sites web hébergés interactifs par vibe coding

:fleche: OpenAI lance « Contact de confiance » dans ChatGPT, permettant de désigner une personne qui pourra être avertie si les modérateurs détectent des risques d'automutilation et de suicide

:fleche: Mark Cuban affirme qu'OpenAI ne sera jamais en mesure de rentabiliser ses investissements massifs de 1 000 milliards dans l'IA : « ils sont en train de dilapider cet argent à une échelle vertigineuse »
Images attachées
      
]]> Intelligence artificielle Anthony https://www.developpez.net/forums/d2184128/general-developpement/algorithme-mathematiques/intelligence-artificielle/openai-ameliore-fonctionnalite-memoire-chatgpt-offre-gratuite-grace-l-architecture-dreaming/ Google versera 920 millions $ par mois à SpaceX pour des services de calcul en IA https://www.developpez.net/forums/showthread.php?t=2184125&goto=newpost Mon, 08 Jun 2026 12:39:19 GMT *Google versera 920 millions... Google versera 920 millions $ par mois à SpaceX pour des services de calcul en IA : Musk transforme un centre de données construit pour Grok en véritable mine d'or, afin d'accéder à 110 000 GPU Nvidia

Dans ce contexte, Google a accepté de verser environ 920 millions de dollars par mois à SpaceX pour accéder à des capacités de calcul, s'appuyant ainsi sur l'infrastructure de l'entreprise de fusées plutôt que de compter uniquement sur ses propres centres de données. L'accord, rendu public le 5 juin, s'étend d'octobre 2026 à juin 2029 et porte sur environ 110 000 GPU Nvidia, ainsi que des CPU, de la mémoire et des composants associés, dans des centres de données liés à xAI. Louer la capacité que SpaceX et xAI ont déjà déployée permet à Google d’ajouter de la puissance de calcul plus rapidement que d’attendre la construction de nouvelles installations, l’obtention des permis et les raccordements électriques, processus qui peuvent prendre des années.

Space Exploration Technologies Corporation, opérant sous le nom de SpaceX, est une entreprise privée américaine spécialisée dans les vols spatiaux, les télécommunications et l'intelligence artificielle, dont le siège social se trouve sur le site de développement Starbase, à Starbase, au Texas. SpaceX a été fondée par Elon Musk en 2002 avec pour objectif de réduire les coûts des lancements spatiaux, ouvrant ainsi la voie à une colonie autonome sur Mars. Depuis sa création, l'entreprise a réalisé de nombreuses avancées dans les domaines de la propulsion des fusées, des lanceurs réutilisables, des vols spatiaux habités et de la technologie des constellations de satellites. SpaceX n'est pas cotée en bourse, mais devrait entrer en bourse en 2026

En avril 2026, SpaceX a déposé confidentiellement son dossier d'introduction en bourse auprès de la SEC américaine. L'opération, dont les détails ont été rapportés par Bloomberg puis confirmés par Reuters, CNBC et le Wall Street Journal, vise une valorisation de 1 750 milliards de dollars et une levée de fonds pouvant atteindre 75 milliards. Si elle se concrétise, ce serait l'introduction en bourse la plus importante de toute l'histoire des marchés de capitaux, plus de deux fois supérieure au record précédent détenu par Saudi Aramco.

Dans ce contexte, Google a accepté de verser environ 920 millions de dollars par mois à SpaceX pour accéder à des capacités de calcul, s'appuyant ainsi sur l'infrastructure de l'entreprise de fusées plutôt que de compter uniquement sur ses propres centres de données. Signe de la rareté croissante de la puissance de calcul dédiée à l'IA, cet accord, qui avoisine le milliard de dollars par mois, est l'un des plus importants engagements en matière de cloud computing jamais dévoilés, et il met en évidence un paradoxe au cœur de l'essor de l'IA : même les entreprises les mieux équipées pour développer leur propre infrastructure informatique ne parviennent pas à la mettre en place assez rapidement.


Google signe un contrat de 920 millions $ par mois avec SpaceX

L'accord, rendu public le 5 juin, s'étend d'octobre 2026 à juin 2029 et porte sur environ 110 000 GPU Nvidia, ainsi que des CPU, de la mémoire et des composants associés, dans des centres de données liés à xAI, la société d'IA absorbée par SpaceX lors d'une fusion entièrement en actions au début de l'année 2026. Sur la durée de l'accord, les paiements s'élèveront à environ 32 milliards de dollars.

Le contrat prévoit une montée en puissance jusqu'en septembre 2026 à des tarifs réduits avant que le paiement mensuel intégral ne commence. Il comporte également des conditions de livraison fermes. Si SpaceX ne parvient pas à fournir la capacité de GPU engagée d'ici le 30 septembre 2026, Google pourra résilier le contrat après un délai de grâce d'un mois, ou accepter les puces disponibles avec des paiements réduits proportionnellement. Après le 31 décembre 2026, l'une ou l'autre des parties pourra se retirer moyennant un préavis de 90 jours. Ces clauses suggèrent que Google a négocié une protection contre un risque réel : que le matériel promis n'arrive pas dans les délais, ce qui reflète à quel point l'offre de puces Nvidia de pointe est devenue limitée.

Ces détails ont été révélés en raison de l'introduction en bourse de SpaceX. La société a déposé l'amendement n° 2 à son formulaire S-1 le 3 juin, et le contrat de services cloud avec Google a été conclu le 5 juin, selon le dossier déposé auprès de la SEC. Cette divulgation intervient quelques jours avant l'entrée prévue de SpaceX au Nasdaq et donne aux investisseurs un aperçu concret de l'une des sources de revenus qui sous-tendent sa valorisation.

Fin mai, SpaceX a dévoilé pour la première fois ses données financières via un document officiel en vue d'une prochaine introduction en bourse. Cette divulgation révèle que l'entreprise ne se limite plus à l'aérospatiale, mais vise désormais le marché de l'IA grâce à l'acquisition de xAI. Bien que les revenus augmentent, SpaceX a enregistré des pertes importantes en raison de ses investissements massifs dans le calcul informatique orbital. Le succès futur de ce projet repose sur la capacité de la fusée Starship à déployer des infrastructures technologiques à une échelle sans précédent.

Malgré sa propre infrastructure informatique, Google loue plus de puissance de calcul

Google exploite l’une des plus grandes activités cloud au monde et conçoit ses propres puces d’IA ; le fait de payer près d’un milliard de dollars par mois à un concurrent pour utiliser la capacité de quelqu’un d’autre met en évidence une réalité crue : la demande en puces Nvidia haut de gamme dépasse ce que même les hyperscalers peuvent produire selon leur propre calendrier. Louer la capacité que SpaceX et xAI ont déjà déployée permet à Google d’ajouter de la puissance de calcul plus rapidement que d’attendre la construction de nouvelles installations, l’obtention des permis et les raccordements électriques, processus qui peuvent prendre des années.

Il s'agit également d'un courant contraire notable dans un secteur où les rivalités sont nombreuses. Google est en concurrence directe avec xAI sur les modèles d'IA, mais la situation économique liée à la pénurie de puissance de calcul pousse les concurrents à nouer des relations d'approvisionnement lorsque l'un d'entre eux dispose des puces dont l'autre a besoin immédiatement. Pour SpaceX et xAI, cet accord transforme une infrastructure coûteuse en revenus récurrents et aide à justifier les capitaux investis dans les centres de données. Pour Google, c'est un moyen pragmatique de s'assurer une capacité sans attendre la fin de ses propres travaux d'extension.

Ce chiffre est plus facile à appréhender dans son contexte. L'accord porte sur environ 110 000 GPU Nvidia — un parc suffisamment important pour former et faire fonctionner des modèles d'IA de pointe. Aux prix actuels, cette quantité d'accélérateurs de pointe représente des milliards de dollars rien qu'en matériel, sans compter l'électricité, le refroidissement, la mise en réseau et l'immobilier nécessaires à leur fonctionnement. En louant plutôt qu’en achetant, Google transforme une dépense d’investissement initiale colossale en un coût d’exploitation prévisible, tandis que SpaceX prend en charge la construction et l’exploitation.

Cette structure se généralise à mesure que le coût de l’IA de pointe augmente. L’accès aux puces — et non plus seulement aux algorithmes ou aux talents — est devenu le facteur limitant qui détermine qui peut rivaliser à la pointe de la technologie, et ce sont les engagements contractuels à long terme et de grande envergure qui permettent de financer ce déploiement.

Un accord qui intervient alors que SpaceX se prépare à une introduction en bourse

Le timing n’est pas le fruit du hasard. En dévoilant une source de revenus contractuelle à long terme et de grande envergure quelques jours avant son introduction au Nasdaq, SpaceX offre aux investisseurs potentiels un élément concret à évaluer : un engagement pluriannuel de la part de l’un des clients les plus solvables au monde. Un contrat s'étendant jusqu'en 2029 et totalisant environ 32 milliards de dollars vient étayer l'argument selon lequel le centre de données et les actifs xAI de l'entreprise constituent une source de revenus récurrents, et non pas seulement un centre de coûts — un contrepoids utile dans un prospectus pour une entreprise dont la valorisation a suscité des interrogations quant à la quantité de liquidités consommées par la xAI.

Il y a également un sous-entendu stratégique concernant les puces. Google conçoit ses propres accélérateurs d'IA, appelés TPU, et les utilise massivement en interne. Le fait de choisir de louer de la capacité Nvidia auprès de SpaceX plutôt que de s'appuyer entièrement sur ses propres puces suggère que, pour certaines charges de travail et certains délais, même une entreprise disposant d'un programme de puces maison a encore besoin du matériel Nvidia — et en a besoin plus rapidement qu'elle ne peut déployer des alternatives. Cela renforce le rôle central que Nvidia continue de jouer dans l'IA de pointe, même parmi les rares entreprises capables de s'appuyer sur cette technologie.

Et vous ?

:fleche: Pensez-vous que cet accord est crédible ou pertinent ?
:fleche: Quel est votre avis sur le sujet ?

Voir aussi :

:fleche: SpaceX doit dominer le marché de l'IA et multiplier son chiffre d'affaires par 60 en dix ans pour justifier une valorisation de 1 750 milliards de dollars, des objectifs jugés irréalisables par les analystes

:fleche: Google prévoit de lever 80 milliards $ pour financer ses investissements dans les infrastructures d'IA, le géant de la tech pourrait réaliser la plus importante opération de marché des capitaux de l'histoire

:fleche: Amazon, Microsoft et Google ont renoncé à la construction de centres de données de plusieurs milliards $ en raison de l'opposition locale et font face à des pressions concernant leur impact environnemental ]]> Intelligence artificielle Alex https://www.developpez.net/forums/d2184125/general-developpement/algorithme-mathematiques/intelligence-artificielle/google-versera-920-millions-mois-spacex-services-calcul-ia/ <![CDATA[Open Code Review, un outil CLI alimenté par l'IA pour la revue de code, est disponible en open source]]> https://www.developpez.net/forums/showthread.php?t=2184109&goto=newpost Sat, 06 Jun 2026 12:46:38 GMT *Open Code Review, un outil... Open Code Review, un outil CLI open source alimenté par l'IA pour la revue de code, qui a été utilisé par des dizaines de milliers de développeurs et a permis d'identifier des millions de défauts de code

Open Code Review, un outil CLI de révision de code alimenté par l'intelligence artificielle (IA) du groupe Alibaba, a été publié en open source après avoir été utilisé par des dizaines de milliers de développeurs et permis d'identifier des millions de défauts de code. Open Code Review associe une ingénierie déterministe à de grands modèles de langage (LLM) afin d'améliorer la précision, la couverture et la fiabilité des révisions de code. Il remédie ainsi aux lacunes courantes des agents de codage IA à usage général, telles que la couverture incomplète des ensembles de modifications, la localisation imprécise des problèmes signalés et l'instabilité de la qualité des révisions.

La revue de code (parfois appelée « révision par les pairs ») est une activité d'assurance qualité logicielle dans le cadre de laquelle une ou plusieurs personnes examinent le code source d'un programme informatique, soit après sa mise en œuvre, soit au cours du processus de développement. Les personnes chargées de cette vérification, à l'exception de l'auteur, sont appelées « réviseurs » et au moins l'un d'entre eux ne doit pas être l'auteur du code.

Si la détection directe des problèmes de qualité est souvent l'objectif principal, les revues de code sont généralement menées dans le but d'atteindre plusieurs objectifs à la fois, à savoir : améliorer la qualité et la maintenabilité du code, détecter et corriger les défauts, transférer les connaissances, favoriser la collaboration, trouver de meilleures solutions et faire appliquer les directives d'assurance qualité.

Selon Sean Goedecke, ingénieur logiciel, les compétences nécessaires pour effectuer une revue de code de qualité sont en grande partie les mêmes que celles requises pour utiliser les agents IA. S'appuyant sur son expérience avec Claude Code, Codex et GitHub Copilot, il explique que ces systèmes peuvent générer rapidement de grandes quantités de code, mais qu'ils restent limités lorsqu'il s'agit de prendre des décisions d'architecture logicielle. « Sans supervision, les LLM prendront beaucoup de mauvaises décisions de conception », explique-t-il, citant plusieurs exemples où des agents IA ont proposé des solutions inutilement complexes, nécessitant une intervention humaine pour simplifier la conception et éviter des efforts superflus.

Nom : open code review IA.png Affichages : 14381 Taille : 16,3 Ko

Qu'est-ce qu'Open Code Review ?

Open Code Review est un outil CLI de révision de code alimenté par l'IA. À l'origine, il s'agissait de l'assistant officiel de révision de code par IA du groupe Alibaba. Au cours des deux dernières années, il a aidé des dizaines de milliers de développeurs et identifié des millions d'erreurs de code. Après une validation approfondie à très grande échelle, Open Code Review a été transformé en projet open source destiné à la communauté. Pour commencer à l'utiliser, il suffit de configurer un point de terminaison de modèle.

Il analyse les différences Git, envoie les fichiers modifiés à un grand modèle de langage (LLM) configurable via un agent doté de capacités d'utilisation d'outils, et génère des commentaires de révision structurés avec une précision au niveau de la ligne. L'agent est capable de lire l'intégralité du contenu des fichiers, d'effectuer des recherches dans la base de code, d'examiner d'autres fichiers modifiés pour replacer le contexte, et de produire des révisions approfondies au lieu de simples commentaires superficiels sur les différences.

Le problème des agents IA à usage général

Les développeurs ayant déjà utilisé des agents polyvalents tels que Claude Code avec Skills pour la révision de code ont sans doute rencontré les difficultés suivantes :

  • Couverture incomplète : Sur les ensembles de modifications volumineux, les agents ont tendance à « prendre des raccourcis », en ne révisant que certains fichiers de manière sélective et en en omettant d'autres.
  • Décalage de position : Les problèmes signalés ne correspondent souvent pas à l'emplacement réel du code, les numéros de ligne ou les références de fichiers étant décalés par rapport à la cible.
  • Une qualité instable : Les Skills basés sur le langage naturel sont difficiles à déboguer, et la qualité de la révision varie considérablement en fonction de légères modifications apportées aux prompts.

La cause profonde : une architecture purement linguistique ne prévoit pas de contraintes strictes pour le processus de révision.

Nom : open code review IA 2.png Affichages : 1910 Taille : 119,1 Ko

Conception fondamentale : ingénierie déterministe × agent hybride

La philosophie fondamentale d'Open Code Review consiste à associer l'ingénierie déterministe à un agent, chacun se chargeant de ce qu'il fait le mieux.

Ingénierie déterministe — Contraintes strictes

Pour les étapes de vérification qui ne doivent en aucun cas échouer, c'est la logique d'ingénierie — et non le modèle de langage — qui garantit la justesse :

  • Sélection précise des fichiers : Détermine exactement quels fichiers doivent être révisés et lesquels doivent être filtrés, garantissant ainsi qu'aucune modification importante ne soit omise.
  • Regroupement intelligent des fichiers : Regroupe les fichiers associés en une seule unité de révision (par exemple, message_en.properties et message_zh.properties sont regroupés). Chaque lot s'exécute en tant que sous-agent avec un contexte isolé — une stratégie de division pour mieux régner qui reste stable sur des ensembles de modifications très volumineux et prend naturellement en charge la révision simultanée.
  • Correspondance fine des règles : Associe les règles de révision aux caractéristiques de chaque fichier, ce qui permet de maintenir l'attention du modèle parfaitement ciblée et d'éliminer le bruit informationnel à la source. Par rapport à un guidage par règles purement linguistique, la correspondance des règles basée sur un moteur de modèles est plus stable et plus prévisible.
  • Modules externes de positionnement et de réflexion : Des modules indépendants de positionnement et de réflexion des commentaires améliorent systématiquement à la fois la précision de l'emplacement et la précision du contenu des retours de l'IA.

Agent — Prise de décision dynamique

Les points forts de l'agent se concentrent là où ils sont le plus utiles, à savoir la prise de décision dynamique et l'extraction dynamique de contexte :

  • Prompts adaptés aux scénarios — Des modèles de prompts parfaitement optimisés pour la révision de code, qui améliorent l'efficacité tout en réduisant la consommation de jetons.
  • Ensemble d'outils adapté au scénario — Issu d'une analyse approfondie des traces d'appels d'outils dans des données de production à grande échelle — incluant les distributions de fréquence des appels, les taux de répétition par outil et l'impact des nouveaux outils sur la chaîne d'appels globale — ce qui aboutit à un ensemble d'outils spécialement conçu, plus stable et plus prévisible pour la révision de code qu'une boîte à outils générique.

Si des outils comme Open Code Review visent à améliorer la qualité des revues de code, ils ne suppriment pas pour autant les difficultés organisationnelles et humaines associées à cet exercice. L'ingénieur logiciel Mensur Durakovic a illustré cette réalité dans un texte satirique présentant cinq façons de « se faire détester par ses collègues » lors d'une revue de code. Il y décrit notamment le fait de demander des modifications qui n'ont aucun effet, de retarder la revue de code, de dissimuler les changements réels dans le code, de faire des demandes de fusion massives et d'ignorer les suggestions et les commentaires.

Mensur Durakovic recommande à l'inverse l'utilisation d'outils automatisés, comme les linters, ainsi que des revues rapides et ciblées, et une communication constructive. Selon lui, la revue de code est une compétence qui s'acquiert avec l'expérience et qui contribue à améliorer la qualité logicielle, le partage des connaissances et la productivité collective.

Source : Open Code Review (GitHub)

Et vous ?

:fleche: Quel est votre avis sur le sujet ?
:fleche: Trouvez-vous cette initiative d'Alibaba crédible ou pertinente ?
:fleche: Avez-vous déjà utilisé cet outil ou un outil similaire pour votre usage ou le développement d'applications, et si oui, qu'en pensez-vous ?

Voir aussi :

:fleche: Cessez d'envoyer en révision les erreurs de code généré par l'IA détectables par l'EDI, par JetBrains

:fleche: 7 signes révélateurs d'un code illisible : Comment identifier et résoudre le problème, par Mensur Durakovic

:fleche: 10 vérités difficiles à avaler que l'on ne vous dira pas sur le métier d'ingénieur logiciel, par Mensur Durakovic, ingénieur logiciel
Images attachées
  
]]> Intelligence artificielle Anthony https://www.developpez.net/forums/d2184109/general-developpement/algorithme-mathematiques/intelligence-artificielle/open-code-review-outil-cli-alimente-l-ia-revue-code-disponible-open-source/ <![CDATA[Course à l'IA : le vainqueur sera l'entreprise générant le plus de valeur par watt consommé, selon Perplexity]]> https://www.developpez.net/forums/showthread.php?t=2184105&goto=newpost Fri, 05 Jun 2026 16:21:06 GMT *Aravind Srinivas, PDG de... Aravind Srinivas, PDG de Perplexity AI, prédit que le vainqueur de la course à l'IA sera l'entreprise générant le plus de valeur économique par watt consommé : « la valeur du jeton par watt et par utilisateur »

Aravind Srinivas, le PDG de Perplexity AI, estime que l'entreprise qui réussira à tirer la plus grande valeur économique de chaque watt d'énergie consommé sera le vainqueur à long terme de la course à l'intelligence artificielle (IA). Lors d'une interview accordée à la chaîne CNBC, il a présenté la « valeur du jeton par watt et par utilisateur » comme l'indicateur le plus important pour les entreprises du secteur. Selon lui, l'entreprise qui « parviendra à optimiser cet objectif, en trouvant le juste équilibre entre précision, latence, coût, confidentialité et intelligence, sera la gagnante ». Ces propos interviennent alors que Perplexity intensifie ses efforts dans le domaine de l'IA agentique tout en étant confrontée à la concurrence d'entreprises telles qu'OpenAI, Anthropic et Google.

La vision d'Aravind Srinivas s'inscrit dans un contexte où la puissance de calcul et l'énergie sont devenues des ressources aussi stratégiques que les modèles eux-mêmes. En l'espace de quelques mois, l'IA a consommé tellement d'énergie que la puissance de calcul mondiale commence à manquer. Entre pannes à répétition, rationnement des accès, envolée des prix des GPU et contrats pluriannuels à plusieurs milliards de dollars, le secteur de l'IA générative se heurte de plein fouet à une contrainte que l'argent ne peut pas résoudre à court terme.

Aravind Srinivas est un ingénieur informaticien, homme d'affaires indo-américain, et le cofondateur ainsi que le PDG de Perplexity AI, une société américaine privée spécialisée dans l'IA. Informaticien et entrepreneur indien, il est diplômé de l'Indian Institute of Technology de Madras et titulaire d'un doctorat en informatique de l'université de Berkeley. Il a également travaillé comme chercheur chez OpenAI, Google Brain et DeepMind, et est considéré comme l'une des figures marquantes du domaine de l'IA.

Lors d'une récente intervention sur la chaîne CNBC, Aravind Srinivas a prédit comment les entreprises peuvent remporter la course à l'IA. Il estime que l'entreprise qui tirera le plus de valeur économique de l'énergie consommée par les systèmes d'IA finira par s'imposer comme le vainqueur à long terme de cette course.

Aravind Srinivas a déclaré que l'indicateur le plus important pour les entreprises du secteur de l'IA est la « valeur du jeton par watt et par utilisateur », une mesure qui combine efficacité, performance et rendement économique. Selon lui, la capacité à maximiser cet indicateur sera plus importante que la simple construction de modèles d'IA plus grands ou plus coûteux.

« Celui qui parviendra à optimiser cet objectif précis, en trouvant le juste équilibre entre précision, latence, coût, confidentialité et intelligence, sera le gagnant ; c’est cela qui fera la différence à long terme », a déclaré le PDG de Perplexity AI.


Un token est l'unité de base des données traitées par un modèle d'IA. Chaque instruction donnée à l'IA est décomposée en tokens, dont le traitement nécessite à chaque fois de la puissance de calcul et de l'énergie. Aravind Srinivas a fait valoir que les entreprises capables de tirer le meilleur parti de cette consommation d'énergie seront, à terme, les mieux placées. Il a également laissé entendre que les modèles d'IA coûteux qui génèrent aujourd'hui d'importants revenus ne se traduiront pas nécessairement par un leadership à long terme.

« On pourrait donc avoir l’impression que certains fournisseur de modèles gagnent beaucoup d’argent parce que leurs modèles sont très chers… mais il s’agit là d’une croissance des revenus à court terme », a ajouté le PDG.

Comment Perplexity s'attache à améliorer l'efficacité des agents IA

Les propos d'Aravind Srinivas interviennent alors que Perplexity intensifie ses efforts dans le domaine de l'IA agentique, qui désigne des systèmes capables d'effectuer des tâches plus complexes avec une intervention limitée de l'utilisateur. En début d'année, l'entreprise a lancé Perplexity Computer, un agent IA conçu pour gérer des tâches sur des périodes prolongées.

Afin d'améliorer son efficacité, l'entreprise a récemment lancé Personal Computer, un produit qu'elle décrit comme un « orchestrateur ». Cet outil détermine quel modèle d'IA doit être utilisé pour une tâche donnée, comment les différents agents IA doivent collaborer et où le traitement doit avoir lieu. Selon PDG de Perplexity AI, l'avenir de l'IA passera par le transfert d'une plus grande partie du traitement des grands centres de données vers des appareils locaux tels que les ordinateurs portables et les smartphones.

« Le centre de données arrive sur votre ordinateur portable », a déclaré Aravind Srinivas, ajoutant que les systèmes d'IA nécessitent une plateforme unifiée capable de coordonner les modèles, le matériel et les systèmes d'exploitation. Perplexity a étendu sa plateforme Personal Computer au système d'exploitation Windows de Microsoft, ce qui lui permet d'interagir avec des applications telles que Word et Outlook, ainsi qu'avec les fichiers stockés sur l'appareil de l'utilisateur. Le produit avait auparavant été lancé sur la plateforme Mac d'Apple.

Nom : aravind srinivas perplexity IA.png Affichages : 8217 Taille : 155,9 Ko
Aravind Srinivas, PDG de Perplexity AI

Perplexity est confrontée à la concurrence d'entreprises telles qu'OpenAI, Anthropic et Google, qui investissent toutes massivement dans les agents IA et les modèles de fondation. Aravind Srinivas a déclaré que l'approche de Perplexity consiste à rester neutre vis-à-vis des plateformes en prenant en charge plusieurs modèles d'IA, plateformes matérielles et systèmes d'exploitation.

« Je pense qu’ils vont sans aucun doute essayer de développer leurs propres systèmes d’IA, mais nous sommes convaincus que nous mettons au point le système d’exploitation le plus polyvalent qui soit, puisqu’il fonctionne sur différents modèles, différentes puces, différents systèmes d’exploitation traditionnels, différents fournisseurs de matériel et différents ordinateurs portables », a-t-il ajouté.

Selon Aravind Srinivas, les améliorations apportées par des fournisseurs de modèles tels qu'Anthropic profitent directement à Perplexity, car leurs technologies sont intégrées aux produits de l'entreprise. Il a déclaré que ces avancées avaient permis à Perplexity de tripler son chiffre d'affaires annualisé depuis le début de l'année.

À mesure que la compétition dans le domaine de l'IA évolue vers l'optimisation de chaque watt consommé, les choix architecturaux sont aussi importants que les performances brutes des modèles. Perplexity a récemment présenté une fonctionnalité d'« inférence agentique hybride » pour sa plateforme Computer. Le système répartit automatiquement les tâches entre les modèles exécutés localement et ceux hébergés dans le cloud, afin d'adapter les ressources utilisées à la nature de chaque requête.

L'entreprise affirme que cette approche permet de conserver les données sensibles sur l'appareil tout en optimisant l'utilisation des jetons et des ressources de calcul. Cette stratégie, présentée comme une réponse au problème de l'orchestration entre l'IA locale et l'IA cloud, vise à concilier performances, confidentialité et maîtrise des coûts, et illustre la compétition qui se joue autour de la performance énergétique et économique des systèmes d'IA.

Et vous ?

:fleche: Quel est votre avis sur le sujet ?
:fleche: Trouvez-vous les prédictions du PDG de Perplexity AI crédibles ou pertinentes ?

Voir aussi :

:fleche: Aravind Srinivas PDG de Perplexity : « La plupart des gens n'aiment pas leur travail de toute façon », quand un PDG de la Silicon Valley transforme les licenciements par l'IA en bonne nouvelle

:fleche: Perplexity promettait d'être l'anti-Google avec son navigateur IA : une plainte affirme qu'il transmettait vos données à Google et Meta, même en mode incognito qui est qualifié de « mascarade »

:fleche: Perplexity présente « Computer », un nouvel outil qui permet aux utilisateurs d'assigner des tâches et de les voir exécutées par un système qui coordonne plusieurs agents IA utilisant différents modèles
Images attachées
 
]]> Intelligence artificielle Anthony https://www.developpez.net/forums/d2184105/general-developpement/algorithme-mathematiques/intelligence-artificielle/course-l-ia-vainqueur-sera-l-entreprise-generant-plus-watt-consomme-selon-perplexity/ <![CDATA[Comment j'utilise les grands modèles de langage (LLM) en tant qu'ingénieur logiciel en 2026]]> https://www.developpez.net/forums/showthread.php?t=2184103&goto=newpost Fri, 05 Jun 2026 15:09:13 GMT Comment j'utilise les grands modèles de langage (LLM) en tant qu'ingénieur logiciel en 2026, par Sean Goedecke

Il y a un peu plus d'un an, j'ai écrit un article intitulé « Comment j'utilise les grands modèles de langage (LLM) en tant qu'ingénieur logiciel ». Voici un bref résumé de l'usage que j'ai fait de l'IA l'année dernière :

- Saisie semi-automatique intelligente avec Copilot
- Petites modifications tactiques dans des domaines que je ne maîtrise pas bien (toujours vérifiées par un expert)
- Écrire beaucoup de code de recherche à usage unique
- Poser beaucoup de questions pour en savoir plus sur de nouveaux sujets (par exemple, le moteur de jeu Unity)
- Corrections de bugs en dernier recours, au cas où le système pourrait trouver la solution immédiatement
- Relecture globale de longs documents de communication en anglais

Voici quelques tâches pour lesquelles je n’ai explicitement pas utilisé l’IA l’année dernière :

- Rédiger des PR complètes à ma place dans des domaines que je connais bien
- Rédiger des ADR ou d’autres communications techniques
- Effectuer des recherches dans de grandes bases de code et découvrir comment les choses sont faites

Février 2025, c’était il y a longtemps. À l’époque, le meilleur modèle était le premier modèle de raisonnement, l’o1 d’OpenAI. Les agents fonctionnaient plus ou moins, mais se retrouvaient souvent bloqués ou déstabilisés par la compaction. Qu’est-ce qui a changé depuis ?

Les agents sont performants désormais

Le plus grand changement est que j’utilise désormais des LLM pour produire des PR complètes dans des domaines que je connais bien. Il y a un an, je demandais très occasionnellement à un agent d’apporter des modifications à un seul fichier s’il s’agissait d’une modification simple que je n’avais pas envie de taper moi-même. Parfois, je copiais une fonction que j’avais écrite dans une fenêtre de chat LLM pour obtenir un retour. Mais maintenant, je commence chaque modification en demandant à un agent de résoudre le problème, et je pousse généralement la PR après une seule révision.

Fin 2025, j’utilisais beaucoup de fenêtres VSCode ouvertes. Début 2026, je suis passé à des onglets de terminal avec la CLI Copilot, en particulier lorsque je devais apporter des modifications à plusieurs dépôts en même temps. Aujourd’hui, j’utilise beaucoup l’application GitHub Copilot (des dizaines de sessions par jour).

Cela reflète une évolution : alors qu'auparavant je devais corriger l'agent ligne par ligne au fur et à mesure, je ne procède désormais à une révision qu'à la toute fin. Les premiers agents se trompaient souvent et étaient incapables de se rattraper ; il était donc utile de surveiller leur raisonnement, d'intervenir pour les interrompre et de les remettre sur la bonne voie. D'après mon expérience, les agents actuels vont trop vite pour que je puisse le faire, et de toute façon, ils corrigent eux-mêmes leurs erreurs la plupart du temps.

Parfois, je n’ai même pas besoin d’apporter de modifications et je peux simplement valider le changement tel quel, bien que ce soit rare : à défaut d’autre chose, je passe généralement en revue le texte pour supprimer certains commentaires superflus et autres « LLM-ismes ».

Je passe beaucoup de temps à parcourir et à évaluer les modifications proposées par l’agent. La plupart du temps, je les rejette en bloc, simplement parce que je me dis « euh, ce n’est pas ce que j’avais en tête ». En moyenne, cette première évaluation me prend environ trente secondes. Si la modification me semble correcte après cela, je l'examine de plus près pour m'assurer que je la comprends bien et qu'elle fonctionne correctement. Pour les tâches difficiles, je rejette souvent cinq ou six (voire plus !) tentatives de l'agent avant d'en accepter une comme suffisamment bonne pour être exploitée, ou bien j'abandonne et j'effectue la modification à la main.

Recherche de bogues

Je compte encore plus sur les LLM pour la recherche de bogues que pour apporter des modifications. En 2025, j’avais l’habitude de soumettre occasionnellement un bogue à un LLM, juste au cas où il serait capable de trouver rapidement une explication. Désormais, je soumets tous les bugs à un LLM (généralement en ouvrant une nouvelle session d’agent et en y collant le rapport de bug), car il est capable de diagnostiquer correctement 80 % des problèmes tout seul. Les agents actuels sont vraiment doués pour traquer les bugs, en particulier quand on leur donne une vue d’ensemble sur plusieurs dépôts.

Je reste toutefois meilleur dans ce domaine. La semaine dernière encore, j’ai eu affaire à un bug délicat qui a nécessité environ quatorze sessions d’agent avant qu’un d’entre eux ne parvienne enfin à le résoudre. Que faisais-je entre et autour de ces sessions ?

- Rechercher des informations contextuelles supplémentaires sur le bug (dans les logs, sur Slack, etc.) et les communiquais aux agents
- Construire mon propre modèle mental du problème, bien sûr
- Mettre en place ma propre reproduction du bug (en parallèle des efforts des agents)
- Répondre aux sessions des agents par « non, votre théorie ne peut pas être correcte à cause de X » (ou simplement interrompre et relancer la session avec cet indice supplémentaire)

Au final, c’est un agent qui a détecté le bug. Mais je considère tout de même que c’est moi qui l’ai trouvé, car à ce stade, j’avais suffisamment restreint l’espace de recherche pour que la session n° 14 de l’agent ait un problème nettement plus facile à résoudre que la session n° 1. En d’autres termes, l’expertise humaine reste très importante pour l’investigation des bugs.

Rédaction

Je rédige presque toujours moi-même la description de mes pull requests, car les LLM ont tendance à en faire trop et peinent à exprimer « l’idée centrale » qui sous-tend une modification. Rédiger la description à la main montre également aux relecteurs que j’ai moi-même examiné la modification et que je ne leur demande pas d’être les premiers à lire le diff. Je ne rédige pas la description de la pull request uniquement lorsque la modification est mineure et que la description générée par l’agent tient en une seule phrase. Dans ce cas, je ne touche à rien.

Je n’utilise toujours pas les LLM pour rédiger des messages Slack, des ADR, des tickets, etc. Je pense avoir une meilleure idée de ce qu’il est important de communiquer, et je veux montrer qu’un être humain réfléchit au contenu.

Je n'utilise toujours pas les LLM pour rédiger des articles de blog, même si je passe chaque brouillon par un LLM pour obtenir des commentaires. Les modèles OpenAI étaient autrefois très mauvais dans ce domaine et ne sont devenus acceptables que très récemment avec GPT-5.5. Les modèles OpenAI et Anthropic tentent toujours d'édulcorer mes arguments, mais j'ai accepté cela comme faisant partie du « style maison » des LLM et j'ignore simplement cette partie des commentaires.

Tests et configuration

Une autre chose que je fais désormais est d’essayer de confier autant que possible les tâches de test et de configuration aux agents. En 2025, il m’arrivait parfois de demander à un LLM de générer un script de test de commandes curl que je pouvais exécuter sur mon serveur de développement. En 2026, je demande simplement à un agent d’aller tester ma modification, puis je lis le journal de ce qu’il a fait.

Je ne teste pas le travail sur l’interface utilisateur de cette manière, en partie parce que c’est plus fastidieux et en partie parce que je ne fais pas confiance aux agents pour être sensibles aux aspects subtils de l’apparence et de la convivialité d’une modification.

Les agents écrivent des tests unitaires exhaustifs sans qu’on leur demande, mais je leur demande parfois de mettre en place des tests d’intégration plus larges pour une modification. En général, je considère désormais que le code de test ne coûte pas cher : si je me demande si un test serait utile, je l'ajoute simplement (à condition de savoir qu'il ne sera pas instable). Bien sûr, les LLM produisent parfois du code de test étrange et insatisfaisant — je le lis pour repérer les erreurs grossières — mais je l'examine avec un œil plus indulgent que pour mon code de production réel.

Je confie également à un agent les tâches de configuration locales fastidieuses qui impliquent de bricoler les paramètres sur ma machine. Par exemple, si mon installation nvm ne bascule pas correctement ma version de Node, j’ouvre souvent un agent Copilot CLI et lui demande de trouver la solution. Cela remplace plus ou moins directement une recherche Google sur le problème, et c’est beaucoup plus rapide puisque l’agent peut exécuter lui-même les commandes bash triviales pour diagnostiquer et résoudre le problème.

Résumé

Le principal changement au cours des quinze derniers mois, c’est que les agents sont désormais vraiment performants. Ils sont passés d’un outil que j’utilisais occasionnellement et avec méfiance à quelque chose que j’utilise constamment et avec un minimum de supervision.

Le cœur de mon travail reste le même : livrer des projets, faire preuve de discernement, influencer la politique des entreprises technologiques. Mais je dispose désormais d’un éventail beaucoup plus large de petites tâches que je suis prêt à accepter, ce qui inclut pratiquement tout ce que je peux confier à un agent en étant sûr que le résultat sera plus ou moins correct.

Avant, je passais beaucoup de temps à repousser le travail, soit en le déléguant, soit en disant simplement « désolé, je n’ai pas le temps de faire ça maintenant ». Désormais, je peux dire « oui » beaucoup plus souvent (du moins lorsqu’il s’agit de modifications mineures à faible risque)¹.

Dans l’ensemble, voici à quoi me sert désormais l’IA :

- Rédiger (ou rédiger une ébauche, selon la complexité) chaque modification de code que j’apporte

- Rechercher et corriger les bugs, soit de manière autonome pour la plupart d’entre eux, soit avec ma participation étroite pour les plus délicats

- Effectuer des recherches dans de grandes bases de code, car les agents actuels sont désormais suffisamment performants pour donner la bonne réponse presque tout le temps (et lorsqu’ils se trompent, la lecture de l’explication montre clairement qu’ils ont omis quelque chose)

- Effectuer des tests manuels et configurer ou dépanner la machine locale

- J’utilise toujours l’IA pour poser de nombreuses questions afin d’approfondir des sujets, ainsi que pour la relecture

Voici ce pour quoi je n’utilise toujours pas l’IA :

- Rédiger tout type de communication publique à ma place (descriptions de PR, ADR, messages), à l’exception des PR insignifiants de deux lignes

- Écrire du code que je ne relis pas attentivement

- Tester tout type d’interface utilisateur

À mon avis, la compétence principale en matière d’IA consiste actuellement à confier autant de travail que possible aux agents IA, sans aller trop loin. Beaucoup de gens sous-utilisent les agents : ils ne leur permettent pas d’enquêter sur les bugs ou de tester leurs modifications, ou ne leur confient pas suffisamment de tâches simples. D’autres les surutilisent : ils les utilisent pour rédiger des messages qui devraient être écrits à la main, ou leur confient des modifications radicales qui nécessitent une révision humaine minutieuse. Depuis mon dernier article, la balance a penché davantage du côté des agents, mais trouver le juste équilibre reste aussi délicat que jamais.

Source : How I use LLMs as a staff engineer in 2026

Et vous ?

:fleche: Pensez-vous que cette présentation est crédible ou pertinente ?
:fleche: Quel est votre avis sur le sujet ?

Voir aussi :

:fleche: Je ne sais pas si mon métier existera encore dans dix ans, par Sean Goedecke

:fleche: Il existe une meilleure façon de coder avec l'IA, par Namanyay Goel

:fleche: Pourquoi le « Vibe Coding » est en voie de disparition : nous quittons l'ère du codage informel assisté par l'IA pour entrer dans la discipline plus rigoureuse de l'ingénierie des agents
Selon Andrej Karpathy

:fleche: Nous pleurons notre métier : Le pire avec ces outils d'IA, c'est qu'ils fonctionnent, ils peuvent écrire du code mieux que vous ou moi, par Nolan Lawson ]]> Intelligence artificielle Sean Goedecke https://www.developpez.net/forums/d2184103/general-developpement/algorithme-mathematiques/intelligence-artificielle/j-utilise-grands-modeles-langage-llm-tant-qu-ingenieur-logiciel-2026-a/ <![CDATA[La NSA utilise Claude Mythos d'Anthropic pour mener des cyberattaques contre des pays comme l'Iran ou la Chine]]> https://www.developpez.net/forums/showthread.php?t=2184102&goto=newpost Fri, 05 Jun 2026 14:42:45 GMT *La NSA utilise Claude Mythos... La NSA utilise Claude Mythos d'Anthropic pour mener des cyberattaques contre les réseaux informatiques de pays comme la Chine ou l'Iran
considérant que « l'offensive bien menée demeure la meilleure défense »

Anthropic collabore étroitement avec la NSA en déployant des ingénieurs pour intégrer le modèle Mythos au sein des opérations de cyberattaque américaines. Ce partenariat stratégique vise à contrer les avancées technologiques d'adversaires tels que la Chine, malgré un contentieux juridique opposant la startup au Pentagone concernant l'usage éthique de ses outils. Alors qu'Anthropic conteste sa désignation comme risque pour la chaîne d'approvisionnement, le laboratoire accélère la distribution mondiale de ses capacités offensives. Cette expansion intervient dans un climat de course à l'armement numérique où l'IA devient un pilier de la sécurité nationale.

L'administration Trump se contredit à voix haute. D'un côté, le Pentagone a classé Anthropic parmi les risques pour la chaîne d'approvisionnement nationale, au même rang que des entreprises liées à des puissances étrangères adverses. De l'autre, la National Security Agency (NSA), qui dépend du ministère de la Défense, utilise activement Mythos Preview, le modèle le plus puissant jamais produit par Anthropic, pour des opérations de cybersécurité.

Ce paradoxe vertigineux, révélé par Axios le 19 avril, illustre les tensions profondes qui traversent l'État américain face à l'IA de pointe : entre postures politiques et impératifs opérationnels, la cohérence n'est visiblement plus une priorité. La Maison Blanche reconnaît ainsi la puissance de Claude Mythos.

Un nouveau rapport du Financial Times rapporte une collaboration encore plus étroite. Anthropic a mis en place un partenariat avec la NSA afin de déployer Claude Mythos pour des opérations de cyberattaques offensives. Dans le cadre de cet accord, environ une demi-douzaine d'ingénieurs d'Anthropic ont été intégrés directement au sein de l'agence fédérale pour guider l'utilisation de cette technologie et la personnaliser selon des besoins précis.

La collaboration stratégique entre Anthropic et la NSA

Bien qu'il ne soit pas confirmé que ces ingénieurs participent à des opérations actives, des sources affirment que Mythos serait particulièrement utile pour infiltrer les réseaux informatiques de pays comme la Chine ou l'Iran. Cette stratégie s'appuie sur l'idée qu'une bonne attaque constitue la meilleure défense, notamment parce que les adversaires des États-Unis développeraient très probablement leurs propres technologies offensives basées sur l'IA.


Le Pentagone chercherait d'ailleurs à créer des outils cybernétiques dopés à l'IA pour cibler les infrastructures chinoises en prévision d'un éventuel conflit. Claude Mythos s'avère idéal pour ce cas d'utilisation, bien que les bases juridiques de cette initiative suscitent des interrogations dans la communauté.

Annoncé début avril, Claude Mythos est présenté par Anthropic comme un modèle de langage polyvalent aux capacités remarquables en matière de sécurité informatique. Claude Mythos a été utilisé pour identifier des failles zero-day dans l'ensemble des grands systèmes d'exploitation et des navigateurs Web majeurs, ainsi que dans de nombreux autres logiciels critiques. La société a fait le choix délibéré de ne pas le rendre disponible au grand public.

Pour encadrer cette puissance de feu, Anthropic a lancé le Projet Glasswing. Dans ce cadre, la société a étendu l'accès à plus de 40 organisations afin qu'elles puissent utiliser le modèle pour analyser et sécuriser des systèmes en production, qu'ils soient propriétaires ou open source. Parmi la douzaine de partenaires annoncés publiquement par Anthropic figurent Amazon, Apple, Google, Cisco, CrowdStrike, JPMorgan Chase, Microsoft et Nvidia.

Un contexte de tensions juridiques avec le Pentagone

Cet arrangement surprend puisqu'il intervient alors qu'Anthropic est engagée dans une bataille juridique inédite contre le département américain de la Défense, dont fait partie la NSA. Le différend a éclaté lorsque l'entreprise a tenté de restreindre l'utilisation de ses modèles d'IA Claude par le gouvernement américain, refusant qu'ils soient employés pour la surveillance de masse des citoyens ou pour piloter des drones autonomes meurtriers.

En réponse, le Pentagone a qualifié Anthropic de « risque pour la chaîne d'approvisionnement », une première pour une entreprise américaine. Anthropic a porté plainte contre cette désignation, qui menace de l'obliger à rompre ses contrats avec les autres organisations collaborant avec l'armée américaine. En avril, une cour d'appel fédérale a rejeté la demande de l'entreprise visant à bloquer temporairement son inscription sur cette liste noire.

« D’un côté, il y a un risque relativement limité de préjudice financier pour une seule entreprise privée. De l’autre, il y a la gestion judiciaire de la manière dont, et par l’intermédiaire de qui, le ministère de la Défense s’assure de disposer de technologies d’IA vitales pendant un conflit militaire en cours. Pour cette raison, nous rejetons la requête d’Anthropic visant à obtenir un sursis en attendant l’examen au fond », a déclaré la cour d’appel.

En raison du préjudice qu’Anthropic est susceptible de subir, la cour a estimé qu’une procédure accélérée s’imposait. Dans son recours devant la cour, Anthropic avait demandé le réexamen de sa mise sur liste noire. L'entreprise a fait valoir que cette interdiction constituait une forme de représailles inconstitutionnelle, arbitraire, capricieuse et non conforme aux procédures requises par la loi, selon les documents déposés auprès du tribunal.

Commercialisation de Mythos et les enjeux financiers

Depuis le début de ce litige, le lancement du modèle Claude Mythos a suscité l'inquiétude de nombreux gouvernements, institutions financières et entreprises informatiques à travers le monde en raison de sa capacité inédite à détecter et à exploiter des vulnérabilités logicielles. Initialement réservée à quelques organisations américaines en avril, la distribution de Claude Mythos a été massivement élargie à 150 organisations réparties dans 15 pays.

OpenAI a publié un modèle doté de capacités similaires, confirmant l'avertissement des experts selon lequel ces outils avancés peuvent autant servir les pirates informatiques que renforcer les défenses. Sur le plan financier, Anthropic prépare une d'introduction en bourse qui pourrait valoriser l'entreprise à plus de 1 000 milliards de dollars, illustrant ainsi l'importance commerciale et géopolitique grandissante de l'IA pour la sécurité nationale.

L'administration Trump a largement intégré ce modèle au sein de diverses agences fédérales et a travaillé en étroite collaboration avec l'entreprise pour son déploiement à plus grande échelle. Face à l'essor de ces technologies, le président a récemment signé un décret instaurant un cadre volontaire permettant aux entreprises spécialisées en IA de soumettre leurs nouveaux modèles à des examens de sécurité avant leur diffusion publique.

Ce décret ordonne également aux agences fédérales telles que la NSA de concevoir des méthodes d'évaluation des capacités cybernétiques des systèmes d'IA et de créer un centre d'échange d'informations sur la cybersécurité de l'IA pour renforcer les défenses nationales et partager l'information.

L'hypocrisie éthique et la primauté des intérêts financiers

L'initiative suscite de vives critiques concernant le double discours d'Anthropic vis-à-vis de la sécurité. Des observateurs dénoncent une hypocrisie flagrante, rappelant que l'entreprise décrivait initialement son modèle Mythos comme trop dangereux pour être mis à la disposition du grand public. Le fait que la société permette à une agence gouvernementale de militariser son outil est perçu comme une évolution extrêmement prévisible et décevante.

Pour les critiques, l'engagement d'Anthropic en faveur de la sécurité n'est qu'une façade de relations publiques. Ils estiment qu'à l'approche de son introduction en bourse, l'entreprise privilégie ses intérêts financiers et cherche avant tout à satisfaire ses investisseurs et actionnaires, au détriment de ses principes éthiques.

La collaboration avec la NSA soulève également d'importantes inquiétudes quant aux dérives géopolitiques qu'elle pourrait engendrer. L'argument avancé pour justifier ce partenariat est le suivant : « la meilleure défense consiste à bâtir de bonnes capacités d'attaque ». Cependant, les critiques fustigent cet argument ; ils y voient notamment une excuse classique historiquement utilisée par les États-Unis pour violer les lois internationales.

Des critiques craignent que les autorités américaines n'exploitent ces modèles sans aucune véritable supervision, au risque de causer d'importants dommages collatéraux ou s'attaquant aux Américains. Par ailleurs, cette militarisation de l'IA laisse présager une dangereuse escalade à l'échelle mondiale, les commentateurs soulignant que les pays adversaires développeront et utiliseront inévitablement les mêmes stratégies offensives.

Et vous ?

:fleche: Quel est votre avis sur le sujet ?
:fleche: Que pensez-vous de cette collaboration étroite entre Anthropic et la NSA ?
:fleche: Anthropic ouvre Mythos à la militarisation malgré son discours sur la sécurité. Qu'en pensez-vous ?
:fleche: Quelles pourraient être les implications de cette collaboration étroite entre Anthropic et le gouvernement américain ?

Voir aussi

:fleche: La NSA utilise en secret Mythos Preview, le modèle le plus puissant d'Anthropic, l'entreprise officiellement bannie par le Pentagone qui est censée représenter un « risque pour la sécurité nationale »

:fleche: Anthropic a échoué dans sa tentative judiciaire visant à empêcher temporairement le Pentagone de l'inscrire sur une liste noire et de la qualifier de « risque pour la chaîne d'approvisionnement »

:fleche: Anthropic annonce qu'il ne commercialiserait pas son dernier modèle, Mythos, car celui-ci s'avère trop efficace pour détecter des failles de cybersécurité de gravité élevée dans les systèmes d'exploitation ]]> Intelligence artificielle Mathis Lucas https://www.developpez.net/forums/d2184102/general-developpement/algorithme-mathematiques/intelligence-artificielle/nsa-utilise-claude-mythos-d-anthropic-mener-cyberattaques-contre-pays-l-iran-chine/ <![CDATA[Une entreprise va priver ses employés d'augmentations pour consacrer ces fonds aux investissements IA]]> https://www.developpez.net/forums/showthread.php?t=2184092&goto=newpost Fri, 05 Jun 2026 08:06:00 GMT *Un éditeur de logiciels va... Un éditeur de logiciels va priver ses 5000 employés d'augmentations pour consacrer ces fonds aux investissements en IA. Les PDG persistent dans l’IA en dépit des retours de productivité et financiers décevants

Selon divers rapports, plus de 5000 employés d'une entreprise mondiale de logiciels ne bénéficieront pas d'augmentation cette année, car les fonds seront plutôt consacrés aux investissements en intelligence artificielle. Cette dernière vient allonger la liste des entreprises plongées dans les investissements tous azimuts dans la filière. Les responsables d’entreprises persistent dans l’intelligence artificielle en dépit des retours de productivité et financiers décevants.

Des rapports font état de ce que le PDG de Teradata a annoncé cette décision dans une note de service expliquant qu'elle était motivée par la volonté de « s'imposer sur le marché grâce à l'IA. Nous financerons cet investissement dans l'IA en réaffectant le budget prévu pour les ajustements salariaux annuels de 2026. »

Nom : 0.png Affichages : 1170 Taille : 32,0 Ko

Teradata vient allonger la liste des entreprises qui persistent dans l'IA malgré des retours décevants

Selon une enquête annuelle menée par le cabinet de conseil Teneo auprès de plus de 350 dirigeants d’entreprises cotées, 68 % des PDG prévoient d’augmenter encore leurs dépenses en intelligence artificielle en 2026. Ce chiffre, en apparence spectaculaire, masque pourtant une réalité plus contrastée : moins de la moitié des projets d’IA actuellement déployés génèrent des retours financiers supérieurs à leur coût. Autrement dit, l’enthousiasme pour l’IA progresse plus vite que sa rentabilité démontrée.

Cette tension entre promesse technologique et performance économique réelle est devenue l’un des paradoxes centraux de la stratégie numérique des grandes entreprises.

Pour une majorité de PDG interrogés, l’intelligence artificielle n’est plus une option mais un passage obligé. Le discours dominant au sein des conseils d’administration repose sur une conviction forte : ne pas investir massivement aujourd’hui exposerait l’entreprise à un déclassement stratégique demain. L’IA est perçue comme une technologie de rupture comparable à l’électrification ou à l’informatisation, avec un potentiel de transformation globale des chaînes de valeur.

Cette vision explique pourquoi les arbitrages budgétaires continuent de pencher en faveur de l’IA, même lorsque les indicateurs de retour sur investissement restent mitigés. Dans de nombreux groupes, l’IA est désormais intégrée aux plans stratégiques pluriannuels, au même titre que la cybersécurité ou la transition cloud.

Nom : 1.png Affichages : 1162 Taille : 18,5 Ko

La ruée vers l’intelligence artificielle relève d’autant plus du paradoxe que cette technologie coûte plus cher que la main d’œuvre humaine

Pendant des années, l'IA a été présentée comme une révolution en matière de productivité, censée améliorer les performances des travailleurs humains tout en maîtrisant les coûts. Mais une nouvelle réalité se dessine. Pour certaines entreprises, le coût d'exploitation des systèmes d'IA commence à dépasser celui de leurs propres employés.

Bryan Catanzaro, vice-président chargé de l'apprentissage profond appliqué chez Nvidia, a récemment fait remarquer que les coûts informatiques de son équipe dépassaient désormais largement les dépenses de personnel. Il s'agit là d'un renversement frappant de l'idée reçue selon laquelle l'automatisation permettrait de réduire les coûts d'exploitation, rapporte Axios.

Le problème réside dans les mécanismes de l'IA moderne. L'entraînement et l'exécution de modèles avancés nécessitent une infrastructure informatique colossale, souvent alimentée par des puces et des services cloud coûteux. À cela s'ajoutent les coûts « par jeton », c'est-à-dire les frais liés au traitement des requêtes sur les grands modèles de langage, qui peuvent rapidement monter en flèche à mesure que l'utilisation s'intensifie. C’est ce qu’illustre la situation actuelle avec GitHub Copilot.

Le nouveau système de tarification de GitHub Copilot accorde aux utilisateurs un nombre défini de « crédits » d'IA chaque mois, chaque crédit équivalant à un centime de dollar d'utilisation. Les différents niveaux d'abonnement incluent également des crédits bonus : le forfait Pro à 10 dollars par mois offre 1 500 crédits, le forfait Pro+ à 39 dollars inclut 7000 crédits, et le forfait Copilot Max qui coûte 100 dollars par mois donne droit à 20 000 crédits.

Nom : 2.jpeg Affichages : 1194 Taille : 47,6 Ko

Le coût exact d'un prompt dépend directement du nombre de tokens d'entrée et de sortie ainsi que du modèle sélectionné. Un million de tokens de sortie avec GPT-5.4 nano d'OpenAI coûte seulement 1,25 dollar, tandis que le même volume avec GPT-5.5 s'élève à 30 dollars. Les utilisateurs sont d'ailleurs mis en garde contre l'utilisation du mode automatique, qui peut parfois basculer sur des modèles très coûteux pour des requêtes pourtant simples.

Face à ce changement, plusieurs développeurs rapportent avoir consommé leur quota mensuel en moins d'une seule journée. Des tests montrent qu'un simple prompt pour créer un petit jeu avec Claude Haiku 4.5 consomme environ 94 crédits. Cependant, les coûts explosent pour des tâches complexes : certains utilisateurs signalent la perte de 5000 crédits pour seulement quelques soumissions de code dirigées par Copilot.

D'autres rapportent qu'une seule journée d'essai avec Claude Sonnet 4.6 leur a coûté 840 crédits. Les estimations fournies par les propres outils de GitHub révèlent que l'ancienne utilisation de certains développeurs très actifs aurait généré des factures s'élevant à plusieurs milliers de dollars sous ce nouveau plan, illustrant à quel point GitHub subventionnait leurs habitudes par le passé. Ce qui signifie que GitHub (Microsoft) vendait Copilot à perte.

Conclusion

L’intelligence artificielle est partout dans les discours stratégiques, dans les plans d’investissement et dans les présentations aux conseils d’administration. Pourtant, derrière l’emballement médiatique et les annonces spectaculaires, un constat s’impose progressivement : pour une majorité de dirigeants, l’IA n’a pas encore tenu ses promesses de création de valeur mesurable. Les données issues de la dernière grande enquête mondiale menée auprès des CEO dessinent un paysage bien plus nuancé, parfois même désenchanté, où l’expérimentation technologique avance plus vite que les résultats économiques.

Et vous ?

:fleche: Comment voyez-vous l’IA aujourd’hui ? Comme un levier stratégique mûrement réfléchi ou un investissement défensif dicté par la peur d’être perçu comme « en retard » par les marchés et les conseils d’administration ?
:fleche: Partagez-vous les avis selon lesquels la ruée vers l’intelligence artificielle relève d’autant plus du paradoxe que cette technologie coûte plus cher que la main d’œuvre humaine ?

Voir aussi :

:fleche: Malgré de solides profits, le géant français des services informatiques Capgemini pourrait supprimer jusqu'à 2400 postes en France, l'IA figure parmi les explications fournies par la direction du groupe

:fleche: Tout le monde se demande si, et quand, la bulle de l'IA va éclater. Voici ce qui s'est passé il y a 25 ans et qui a finalement conduit à l'éclatement de la bulle Internet
Images attachées
   
]]> Intelligence artificielle Patrick Ruiz https://www.developpez.net/forums/d2184092/general-developpement/algorithme-mathematiques/intelligence-artificielle/entreprise-va-priver-employes-d-augmentations-consacrer-fonds-aux-investissements-ia/