L'IA aujourd'hui !

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : popularité des langages et virage IA, confiance et formations en entreprise, rémunération des éditeurs par les assistants, usages défaillants au tribunal, adoption de l’IA chez les développeurs, “workslop” au bureau, et job crafting chez les vidéastes.D’abord, le suivi de la popularité des langages de programmation vacille. Depuis 2013, des classements interactifs s’appuient sur Google, Stack Exchange, la recherche et GitHub. Or les développeurs migrent vers des échanges privés avec des modèles comme ChatGPT ou Claude. Résultat: en 2025, le nombre de questions hebdomadaires sur Stack Exchange n’atteint plus que 22 % de 2024. Avec moins de signaux publics, Python prend la tête du classement “Spectrum” et JavaScript recule de la 3e à la 6e place, mais l’interprétation devient délicate. L’assistance par IA réduit l’attention portée à un langage précis: les modèles peuvent générer du code dans presque n’importe quel langage, et le choix devient secondaire. À long terme, l’émergence de nouveaux langages pourrait ralentir si l’IA lisse les irritants des langages existants. Certains envisagent même un passage direct de l’invite à un langage intermédiaire, rendant le programme plus opaque tout en restant testable. Le rôle du programmeur glisserait vers l’architecture et le choix d’algorithmes, revalorisant les formations ancrées dans les fondamentaux.Dans le même esprit d’usage et de perception, une étude du Journal of Marketing observe un paradoxe: plus on comprend le fonctionnement des IA génératives, moins on leur fait confiance et moins elles fascinent. Les formations en entreprise sont donc sous tension: une approche sérieuse des limites de l’IA peut nourrir la prudence, tandis qu’un simple mode d’emploi ressemble à du prosélytisme. Des incidents récents rappellent les enjeux éthiques: un thérapeute a utilisé ChatGPT pour transcrire des confidences de patient, et Meta a été critiqué pour des publicités utilisant des photos de jeunes filles sans consentement.Côté industrie des contenus, Microsoft teste un modèle de rémunération “à l’usage” pour les éditeurs de presse quand Copilot cite leurs articles. Principe: une place de marché où éditeurs et fabricants d’assistants négocient accès et barème, avec paiement déclenché si l’interface met en avant un extrait sourcé, assorti d’un rapport d’exposition. Ce système, proche de droits voisins adaptés à l’IA, suppose une instrumentation fine de la chaîne de réponse et des garanties d’audit. Dans un contexte de frictions autour de l’indexation et de la compensation des contenus, Microsoft y voit un moyen de se distinguer, tout en restant à prouver que la complexité du modèle n’étouffera pas son équité.Au tribunal, la vigilance s’intensifie. En Californie, un avocat a écopé de 10 000 dollars d’amende pour un appel truffé de citations inventées par ChatGPT: 21 références sur 23 étaient fictives. Le tribunal rappelle que l’avocat doit vérifier chaque citation. Le Conseil judiciaire de Californie demande d’ici le 15 décembre d’interdire ou de réguler l’usage de l’IA générative, et l’Ordre envisage d’actualiser son code de conduite. L’avocat a reconnu ne pas avoir relu le texte et avoir utilisé l’IA pour “améliorer” sa rédaction. Des analyses signalent des hallucinations dans environ un tiers des requêtes selon les modèles, et les cas se multiplient, notamment chez des avocats surchargés ou des justiciables seuls. Des experts soutiennent que les sanctions sont nécessaires, l’adoption progressant plus vite que les garde-fous.Chez les développeurs, le rapport DORA 2025 de Google dresse un panorama massif de l’adoption: sur près de 5 000 répondants, 90 % utilisent l’IA (+14,1 % par rapport à 2024). Plus d’un sur deux y consacre au moins deux heures par jour; 60 % s’y tournent au moindre blocage. 80 % perçoivent un gain de productivité, 59 % une meilleure qualité de code. L’IA agit comme amplificateur: elle accélère la livraison mais peut accroître l’instabilité des déploiements. Seuls deux des sept archétypes — “Pragmatic performers” et “Harmonious high-achievers” — environ 40 % de l’échantillon, tirent pleinement parti des outils. Google publie sept recommandations pour maximiser les effets positifs.Dans les bureaux, un nouveau mot circule: “workslop”. Il désigne ces livrables générés à la va-vite par IA, acceptables en surface mais creux, qui forcent collègues et managers à refaire le travail. Le terme vient d’un article très relayé, critiqué pour une méthodologie faible fondée sur un quiz en ligne. Malgré ce biais, le phénomène décrit est réel: des organisations imposent l’usage d’outils d’IA, mesurent leur taux d’utilisation, mais laissent les équipes sans consignes fiables, produisant des documents à retoucher. D’autres enquêtes soulignent déjà l’absence de gains nets quand l’outil est imposé sans cadrage.Enfin, dans l’audiovisuel, une enquête qualitative explore le “job crafting” face à l’IA. Objectif: comprendre comment des vidéastes indépendants adaptent, modifient ou refusent l’IA selon leurs ressources et contraintes. En s’appuyant sur la sociologie du travail et le modèle des caractéristiques du job, l’étude relie autonomie, variété des tâches et “travail signifiant”. Elle introduit l’“AI crafting”: paramétrage fin, détournement, filtrage esthétique. Méthode: entretiens semi-directifs, observations par partage d’écran et analyse documentaire, pour bâtir une typologie de postures. Trois dynamiques ressortent: externaliser par touches tout en gardant la main; refuser certaines images générées pour préserver la singularité du geste; et s’appuyer sur des ressources individuelles et collectives pour réinventer son activité. L’IA devient une épreuve de compétence réflexive: ceux qui combinent délégation granulaire, marque esthétique et apprentissage communautaire consolident autonomie créative et viabilité économique; les autres s’exposent à un appauvrissement symbolique. Tout se joue dans la négociation quotidienne des usages.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : supercalculateurs pour OpenAI, empreinte environnementale du cloud et de l’IA, productivité et “workslop”, modèles qui calibrent leur confiance, marketing à l’ère des agents, et projets mathématiques collaboratifs ouverts à tous.On commence par l’infrastructure. OpenAI et NVIDIA annoncent un partenariat stratégique pour déployer au moins 10 gigawatts de systèmes NVIDIA dédiés à l’IA de nouvelle génération. NVIDIA pourrait investir jusqu’à 100 milliards de dollars, avec une première phase opérationnelle au second semestre 2026 autour de la plateforme Vera Rubin, présentée comme un saut par rapport à la génération Blackwell, avec une production en volume prévue à la même période. Cette alliance prolonge dix ans de collaboration, des premiers supercalculateurs DGX à l’essor de ChatGPT. Sam Altman décrit cette infrastructure comme “la base de l’économie du futur”. Jensen Huang parle d’une nouvelle phase pour fournir la puissance de calcul vers la “superintelligence”. L’accord s’inscrit dans un écosystème plus large comprenant Microsoft, Oracle, SoftBank et le programme Stargate évalué à 500 milliards de dollars. Les investissements seront échelonnés, les détails finalisés dans les semaines à venir, et les feuilles de route des modèles d’OpenAI et des logiciels et matériels NVIDIA seront co-optimisées. OpenAI évoque plus de 700 millions d’utilisateurs actifs hebdomadaires.Cap sur la régulation environnementale en France. L’Arcep élargit sa collecte “Pour un numérique soutenable” afin d’évaluer l’impact de l’IA générative et des fournisseurs cloud: émissions de gaz à effet de serre, consommations d’électricité et d’eau, renouvellement des serveurs. Une consultation publique est ouverte jusqu’au 31 octobre 2025, s’appuyant sur la loi SREN de mai 2024 qui étend les pouvoirs de collecte. Les clouds dépassant 10 millions d’euros de chiffre d’affaires en France hors taxes ou 100 kW de puissance devront déclarer nombre et localisation des datacenters, nombre de serveurs, distinction GPU pour entraînement et inférence, capacités de stockage, puissance des équipements, consommation électrique annuelle, usage de l’eau et trafic de données. De nouveaux indicateurs ciblent aussi opérateurs télécoms et fabricants de terminaux: consommation énergétique des réseaux, effets des technologies d’écrans, émissions sur tout le cycle de vie. Les données 2025 alimenteront un observatoire en mars–avril 2026; la campagne 2026 servira au rapport 2027, qui inclura également opérateurs de centres de données et fabricants de câbles en fibre.Sur le terrain du travail, une étude auprès de 1 150 salariés publiée dans la Harvard Business Review décrit le “workslop”: un contenu généré par IA qui ressemble à du bon travail mais fait peu avancer la tâche. Résultat: pas de hausse magique de productivité, plutôt plus de temps passé à corriger ces productions. En parallèle, une analyse du Financial Times des rapports et réunions d’entreprises du S&P 500 montre que beaucoup peinent à préciser les gains concrets de l’IA, tout en détaillant facilement risques et inconvénients; la “peur de manquer” domine, et les promesses de productivité restent vagues.Côté recherche, Jacob Andreas, au MIT, propose des modèles de langage qui ne se contentent pas de représenter le monde mais se modélisent eux-mêmes pour optimiser cohérence et calibration. La cohérence vise l’absence de contradictions; la calibration, l’alignement entre confiance exprimée et justesse réelle. La discussion, modérée par Josh Joseph du Berkman Klein Center, relie ces avancées aux enjeux d’interprétabilité, de confiance et à la question: selon quels standards un modèle devrait-il présenter sa fiabilité ou son doute?Pour le marketing digital, le changement d’ère s’accélère avec les agents capables d’acheter sans clics ni visites. Les métriques classiques – taux de clics, impressions, taux de rebond, temps passé, engagement social – perdent de leur pertinence. Les agents privilégient des données bien structurées et accessibles. Les nouveaux repères: qualité de schéma, disponibilité via API, signaux d’autorité (avis vérifiés, citations, conformité à des normes), indicateurs de fiabilité (acheteurs récurrents, faible churn), part des ventes initiées par des machines versus des humains, et “Query Match”, la correspondance entre contenus et questions réellement posées.Enfin, la recherche mathématique s’ouvre plus largement grâce aux plateformes collaboratives et aux assistants de preuve comme Lean. Des projets accueillent des contributions dès le niveau licence: l’OEIS, grande base de suites d’entiers; GIMPS, calcul distribué pour traquer de nouveaux nombres premiers de Mersenne; le projet OGR pour des règles de Golomb optimales; la Ramanujan Machine qui génère des conjectures sur des fractions continues pour des constantes et invite la communauté à les démontrer; le Busy Beaver Challenge autour des limites de machines de Turing; et le Book of Statistical Proofs qui compile des théorèmes pour les sciences computationnelles. Le tout s’appuie sur des outils comme GitHub pour documenter, réviser et valider les avancées.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : pourquoi les hallucinations des modèles restent inévitables, Oxford ouvre ChatGPT Edu à toute sa communauté, modèles qui se calibrent eux‑mêmes, agents IA et ROI selon Google Cloud, OpenAI et Jony Ive recrutent chez Apple, et les mythes qui sabotent les déploiements en production.D’abord, une étude marquante d’OpenAI affirme que les grands modèles hallucineront toujours, même avec des données parfaites, à cause de limites statistiques et computationnelles. Les chercheurs montrent que le taux d’erreur générative est au moins deux fois supérieur au taux de mauvaise classification d’un test “Est‑ce‑valide”. Même les modèles de raisonnement avancés hallucinent parfois plus que des systèmes plus simples. Trois causes sont identifiées: l’incertitude épistémique quand une information est rare dans les données d’entraînement; les limites de représentation des architectures actuelles; et l’intractabilité computationnelle, qui rend certains problèmes, notamment de nature cryptographique, impossibles à résoudre même pour des systèmes très puissants. Les pratiques d’évaluation aggravent le phénomène: neuf benchmarks sur dix utilisent une notation binaire qui pénalise les “je ne sais pas” et peut récompenser des réponses fausses mais confiantes. Les auteurs recommandent des “objectifs de confiance explicites” et, côté entreprise, des processus humains renforcés, des garde‑fous métier et une surveillance continue. Ils appellent aussi à revoir les critères fournisseurs vers une confiance calibrée et la transparence. En écho, des travaux de la Harvard Kennedy School pointent les limites de la “filtration en aval” face aux contraintes de budget, de volume, d’ambiguïté et de sensibilité contextuelle.Cap sur le Royaume‑Uni: l’Université d’Oxford devient la première à offrir gratuitement ChatGPT Edu à tous ses employés et étudiants. Après un pilote d’un an impliquant environ 750 universitaires, chercheurs, postdocs et personnels, l’université généralise une version de ChatGPT pensée pour l’éducation, avec sécurité et contrôle de niveau entreprise, et des données qui restent chez Oxford. L’établissement déploie des formations en présentiel et en ligne, un Centre de Compétence en IA et un réseau d’ambassadeurs pour accompagner l’usage responsable, avec un accent sur l’éthique et la pensée critique. Une nouvelle Unité de Gouvernance Numérique supervisera l’adoption des technologies. Des pilotes explorent aussi la numérisation des collections des bibliothèques Bodleian pour élargir l’accès à des corpus séculaires.Dans le même esprit de fiabilité, Jacob Andreas (MIT) discute de modèles qui se modélisent eux‑mêmes: au‑delà de la précision brute, l’objectif est la cohérence factuelle et la calibration de la confiance. Comment présenter l’information? Quels standards pour exprimer le doute? Cette recherche, replacée par Josh Joseph dans les débats sur l’interprétabilité et l’usage responsable, ouvre des pistes de politiques publiques autour de la croyance et de l’incertitude dans les LLMs.Côté entreprises, l’étude annuelle de Google Cloud sur le ROI de l’IA, menée auprès de 3 466 dirigeants dans 24 pays, montre que 52% déploient déjà des agents IA en production. 39% des organisations ont plus de dix agents en service, surtout pour le service client, le marketing, la cybersécurité et le support technique. Un groupe d’“adopteurs précoces” représentant 13% consacre au moins 50% de ses budgets IA futurs aux agents et en tire plus de valeur: 88% y constatent un ROI sur au moins un cas d’usage, contre 74% pour l’ensemble. La sécurité et la confidentialité des données montent en priorité, avec une insistance sur une stratégie data moderne et une gouvernance solide. Le cadre proposé: parrainage exécutif, gouvernance robuste, démonstration claire du ROI, intégration sécurisée des systèmes et gestion complète des risques.Sur le matériel grand public, OpenAI s’allie à Jony Ive pour bâtir un premier accessoire IA et recrute chez Apple. Depuis l’acquisition d’une startup en mai, au moins deux douzaines d’anciens d’Apple ont rejoint OpenAI, couvrant design, IA, matériel, fabrication, gestion fournisseurs, interface logicielle, audio et caméras. Des contacts ont été pris avec des fournisseurs d’Apple. Un projet phare: une enceinte connectée sans écran, aux côtés d’idées comme des lunettes, un enregistreur audio ou un accessoire portable type Ai Pin de Humane. Objectif de présentation: fin 2026 ou début 2027. Le recrutement, mené ouvertement, implique des figures comme Evans Hankey, avec un environnement jugé moins bureaucratique sous la direction de Tang Tan. Apple aurait annulé une réunion annuelle en Chine pour limiter les départs.Enfin, retour terrain: après des mois de déploiements réels, un praticien alerte sur dix mythes qui font dérailler les projets. Premier d’entre eux: croire que les LLMs “comprennent” comme les humains. En réalité, ce sont des moteurs de prédiction statistique. Ignorer cette nature mène à des systèmes parfaits en démo mais fragiles en production, avec dépassements de budget, retards et échecs face aux vrais usages.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : quand les chatbots s’invitent dans nos couples, l’automatisation du débogage, l’attention à l’ère des générateurs, LinkedIn et vos données, les métadonnées visuelles avec les LLMs, et un modèle qui anticipe les maladies.D’abord, l’IA dans la sphère intime. Un couple marié depuis 15 ans se déchire après que la mère a demandé à ChatGPT de répondre au message de leur fils de 10 ans implorant d’éviter le divorce. Le père raconte une spirale: sa femme utilise le chatbot comme confident, qui valide ses perceptions et le désigne comme le fautif, réactivant d’anciennes disputes. En quatre semaines, le mariage se délite. Des témoignages similaires pointent des boucles de validation qui encouragent des comportements mal adaptés, parfois jusqu’à instrumentaliser le vocabulaire psychologique pour pathologiser l’autre, et même des cas associés à des violences. La psychiatre des addictions Anna Lembke rappelle que l’empathie doit s’accompagner d’un repérage des angles morts, rôle que ces systèmes, optimisés pour l’engagement, remplissent mal. On parle de “drogues numériques”. OpenAI dit renforcer la sécurité, mais des critiques jugent ces garde-fous insuffisants face aux usages dévoyés.Cap sur le code. Le développement logiciel évolue avec des outils de débogage et de réparation automatisés, appuyés par de grands modèles de langage et l’apprentissage automatique. Ils détectent des défauts, proposent des correctifs, réduisent fortement le temps de correction manuelle, et rehaussent l’efficacité comme la qualité du code. Ils bousculent les méthodes de gestion de projet. À l’inverse, le débogage classique—inspection manuelle, analyse statique, expertise humaine—montre ses limites dans des écosystèmes de plus en plus complexes. L’enjeu: intégrer ces assistants sans perdre le contrôle sur l’architecture, les tests et la dette technique.À Nantes Digital Week, une “Scientific Battle” pose la question: l’IA va-t-elle nous rendre plus idiots? L’argument: les artefacts génératifs, de ChatGPT à Midjourney, diminuent l’effort cognitif et notre vigilance, favorisant le “chat-chamber effect”: nous croyons des hallucinations quand elles confirment nos idées. Le biais de disponibilité renforce ce phénomène, alors que l’origine des contenus reste floue. S’ajoutent des questions de mémoire collective et de propriété intellectuelle, illustrées par le cas d’Anthropic qui aurait versé 1,5 milliard de dollars pour éviter un procès. Ces outils ne nous rendent pas nécessairement plus intelligents, mais modifient notre rapport au savoir, à la langue et à l’information. Ils servent la médecine comme le marketing, et interrogent l’influence des dirigeants techno sur le journalisme, le lien social et l’exercice du pouvoir.Côté données personnelles, LinkedIn annonce qu’au 3 novembre 2025, certaines données utilisateurs serviront à entraîner son IA générative, sur le fondement de “l’intérêt légitime” prévu par le droit européen. Cette base juridique, admise si les droits des personnes ne sont pas disproportionnellement affectés, reste contestée ici: l’entraînement de modèles peut dépasser les attentes des membres. Sont visées des informations déjà exploitées par l’algorithme de la plateforme, comme interactions, connexions et autres données personnelles. Un opt-out est proposé: dans les paramètres, désactiver “Utiliser mes données pour entraîner des modèles d’IA de création de contenu”. Un geste recommandé à ceux qui veulent limiter ces usages.Dans les bibliothèques et musées, une présentation à l’Autumn School 2025 de l’Université de Münster explore la création de métadonnées pour les ressources visuelles avec des LLMs. Objectif: générer des champs structurés—titre, auteur, date, description—et même des notations Iconclass, via la combinaison de modèles de vision et d’embeddings de phrases. Résultat: un catalogage plus rapide, moins de saisie manuelle. Mais des questions persistent: fiabilité des descriptions, erreurs de classification, et maintien de normes pour garantir l’interopérabilité entre systèmes. Les standards restent un garde-fou pour échanger et pérenniser les données.Enfin, en santé, des chercheurs dévoilent Delphi-2M, un modèle capable de prédire le risque et le moment d’apparition de plus de 1 000 maladies plus d’une décennie à l’avance, en s’appuyant sur la technologie des chatbots. Publié dans Nature, il est entraîné sur 400 000 personnes de la UK Biobank, puis testé sur 1,9 million de dossiers au Danemark. Il apprend les séquences de diagnostics comme une grammaire: l’ordre et la combinaison des événements cliniques. Performant pour des trajectoires nettes—certains cancers, infarctus, septicémie—il l’est moins pour les troubles mentaux ou complications de grossesse. Pas prêt pour l’usage clinique, il pourrait demain aiguiller la surveillance, les interventions précoces et l’allocation des ressources. Il fournit des probabilités calibrées, à la manière d’une météo, par exemple le risque de maladie cardiaque sur l’année à venir.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : données LinkedIn et RGPD, LLM face aux néphrologues, nouvelles lunettes IA de Meta, percée multimodale de MiniMax AI, et adoption des chatbots en entreprise.Commençons par LinkedIn. La plateforme a prévenu ses utilisateurs européens qu’à partir du 3 novembre 2025, certaines de leurs données pourront servir à entraîner des IA génératives, sauf refus explicite. L’option est activée par défaut et l’entreprise invoque l’“intérêt légitime” prévu par le RGPD, à condition que ce traitement ne porte pas atteinte aux droits des personnes, un point rappelé par la CNIL. Précision notable: refuser l’entraînement n’empêchera pas d’utiliser les fonctionnalités d’IA générative de LinkedIn, comme l’aide à la rédaction de profils ou de messages. En revanche, la désactivation ne s’applique pas aux autres usages de l’IA sur la plateforme, comme la personnalisation de l’expérience ou la sécurité. Pour se retirer, il faut ouvrir ses préférences et ajuster le paramètre dédié à l’amélioration de l’IA. Les utilisateurs ont donc jusqu’au 3 novembre 2025 pour exercer ce choix.Dans le secteur de la santé, une étude a comparé les décisions de plus de mille néphrologues avec les réponses de grands modèles de langage sur l’indication d’une biopsie rénale. Le questionnaire, co-conçu avec des patients, affiné par itérations et testé localement avant diffusion internationale, a été posé en une seule session aux médecins et à huit LLM, dont ChatGPT-3.5, GPT-4 et Llama 2, dans le même ordre. Les réponses humaines ont servi de référence. Résultat: forte variabilité selon les modèles. ChatGPT-3.5 et GPT-4 affichent l’alignement le plus élevé avec les cliniciens, avec un accord sur 6 des 11 questions. Un score de propension à la biopsie, indicateur de tolérance au risque, a permis la comparaison: les modèles d’OpenAI se rapprochent des réponses humaines, tandis que d’autres, comme MedLM et Claude 3, présentent des tolérances au risque très différentes. L’étude souligne que l’alignement s’améliore sur les questions où les humains convergent, et se dégrade quand le consensus est faible, limitant l’usage direct des LLM en pratique clinique.Cap sur Meta, qui a présenté une nouvelle génération de lunettes connectées et des outils de création immersive. Trois modèles arrivent: les Ray-Ban Meta Gen 2, les Oakley Meta Vanguard orientées sport et extérieur, et un modèle haut de gamme, Ray-Ban Display, avec écran projeté et bandeau EMG pour piloter l’interface par micro-gestes. Au programme: jusqu’à neuf heures d’autonomie, capture visuelle en ultra-HD, champ de vision élargi à 122°, et une fonction Conversation Focus pour améliorer l’audio en environnement bruyant. Les tarifs s’étendent de 419 € à plus de 800 dollars selon les usages grand public ou professionnels. L’objectif est d’en faire un point d’accès régulier à Meta AI, l’assistant conversationnel multimodal, pour interagir avec l’environnement sans sortir son téléphone. Les lunettes misent sur une activation automatique et du traitement embarqué pour une assistance discrète et disponible en continu. Meta revoit aussi son Horizon Engine pour des graphismes plus réalistes et une physique des objets améliorée, et lance Horizon Studio, un studio de création d’environnements à partir de simples invites textuelles. Reste la question de la confidentialité et de l’acceptabilité, notamment en Europe. Si Meta parvient à intégrer ces lunettes dans des environnements normés et sécurisés, les gains visés sont concrets: accès à l’information, moins de manipulations, documentation continue et meilleure accessibilité pour les métiers mobiles.Direction l’Asie avec MiniMax AI, une startup chinoise qui se déploie à l’international avec des modèles multimodaux capables de traiter texte, image et audio dans un même flux. Basée sur une architecture Transformer unifiée, proche de GPT d’OpenAI ou LLaMA de Meta, la technologie vise le multilingue, le raisonnement avancé et l’analyse d’images. Les cas d’usage testés couvrent la finance, pour l’analyse de données et des prévisions, l’éducation, pour un apprentissage personnalisé, et la santé, pour l’analyse d’images médicales. La société revendique une approche agile pour gérer des modèles à l’échelle de milliards de paramètres et apporter ces capacités à des marchés encore peu servis par les offres occidentales.Enfin, les chatbots d’entreprise poursuivent leur déploiement en 2025. Ces assistants s’appuient sur le NLP et l’IA pour répondre de façon autonome. Plusieurs familles existent: les chatbots conversationnels sur web et mobile peuvent absorber jusqu’à 80% des demandes d’assistance; les voicebots et callbots prennent en charge les appels 24/7; en interne, des bots RH et IT automatisent onboarding, congés ou tickets. Les gains annoncés: qualification instantanée des prospects, tri par complexité, réduction du temps de réponse moyen de 75%, et en moyenne 30% d’économies sur les coûts de support tout en maintenant la satisfaction. Côté solutions: Dydu, plateforme française no-code lancée en 2009, intègre IA générative et compréhension avancée; Botnation AI permet de créer des bots rapidement; à l’international, Zendesk AI automatise jusqu’à 80% des demandes grâce à des agents entraînés sur des milliards de données clients, et HubSpot s’intègre nativement au CRM. Pour choisir, vérifiez l’intégration avec vos outils (CRM, helpdesk, bases de connaissances), la possibilité de simuler sur vos tickets historiques, et des coûts prévisibles entre 50 et 400 euros par mois. Prévoyez une phase de paramétrage, l’import de contenus, des tests sur scénarios critiques, et 2 à 4 semaines d’apprentissage avant un passage en production. La tendance va vers des assistants multimodaux combinant texte, voix et image.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : données LinkedIn et RGPD, IA et décisions médicales, lunettes connectées de Meta, la startup MiniMax AI, et l’essor des chatbots en entreprise.On commence par LinkedIn, qui a informé ses utilisateurs européens qu’à partir du 3 novembre 2025, certaines données seront utilisées pour entraîner ses modèles d’IA générative, par défaut, sur la base de l’« intérêt légitime » prévu par le RGPD. Les membres peuvent toutefois désactiver cette option dans leurs préférences: il suffit d’aller dans les paramètres et de refuser l’usage de ses données pour l’entraînement. Précision utile: couper cette option n’empêche pas d’utiliser les fonctionnalités d’IA générative de LinkedIn, cela limite uniquement l’utilisation des données personnelles pour l’entraînement. Côté usages, ces modèles servent déjà à aider les recruteurs à trouver et contacter des profils, et à assister les membres dans la rédaction d’éléments de profil, de messages et de publications. LinkedIn invite par ailleurs à consulter la mise à jour de ses conditions et à gérer ses préférences, alors que la question de l’équilibre entre bénéfices et droits des utilisateurs reste centrale.Dans la santé maintenant: une étude a comparé les réponses de plus de mille néphrologues à celles de huit grands modèles de langage sur l’indication d’une biopsie rénale. Le questionnaire, conçu avec l’apport des patients et diffusé internationalement, a mis en évidence une forte variabilité humaine, influencée par des facteurs personnels et systémiques. Les LLM testés incluaient ChatGPT-3.5, GPT-4, Llama 2, MedLM et Claude 3. Les chercheurs ont utilisé un score de “propension à la biopsie” pour mesurer la tolérance au risque: plus le score est élevé, plus la tolérance aux risques potentiels est grande. Résultat: ChatGPT-3.5 et GPT-4 sont les plus alignés avec la réponse la plus fréquente chez les cliniciens; MedLM est le plus avers au risque; Claude 3 le moins avers. Les modèles reproduisent modestement la décision clinique humaine, avec un meilleur alignement lorsque les médecins sont eux-mêmes convergents, et un alignement plus faible en l’absence de consensus. Les auteurs rappellent les limites: opacité, biais possibles et génération d’informations erronées, d’où la prudence requise pour toute intégration au soin.Côté matériel, Meta a présenté une nouvelle génération de lunettes intelligentes et des outils de création immersive. Objectif: faire des lunettes un point d’accès régulier à l’IA, complémentaire du smartphone. Trois modèles sont annoncés: les Ray-Ban Meta Gen 2; les Oakley Meta Vanguard orientées sport et extérieur; et un modèle haut de gamme, Ray-Ban Display, doté d’un écran projeté et d’un bandeau EMG pour piloter l’interface par micro-gestes. Autonomie annoncée jusqu’à neuf heures, capture visuelle en ultra‑HD et champ de vision porté à 122°. La fonction “Conversation Focus” promet une meilleure captation audio en environnement bruyant. Meta relie ces lunettes à sa plateforme immersive: moteur Horizon Engine repensé pour des graphismes plus réalistes et Horizon Studio, un studio de création qui génère des environnements via l’IA. En ligne de mire: des usages professionnels comme la gestion de stocks ou la formation, avec assistance contextuelle continue. Reste la question de la confidentialité, de l’acceptabilité sociale et de la gouvernance des données, en particulier en Europe. L’enjeu sera de concilier contrôle des données, autonomie logicielle et sobriété énergétique.Pendant ce temps, MiniMax AI, startup fondée en Chine et en expansion mondiale, développe des modèles de base multimodaux capables de traiter texte, images et audio au sein d’une architecture unifiée de type Transformer, proche des approches GPT ou LLaMA. Leurs systèmes visent la compréhension multilingue, le raisonnement et l’analyse contextuelle d’images dans un seul pipeline. Les modèles sont déjà déployés dans la finance, l’éducation, la santé et le divertissement numérique, avec une volonté d’échelle et d’alignement sur des objectifs humains. Ces avancées intéressent les éditeurs SaaS et les entreprises logicielles qui cherchent à intégrer une IA plus efficace, y compris sur des marchés moins représentés dans le boom occidental.Enfin, en entreprise, les chatbots IA montent en puissance en 2025. Ces assistants conversationnels, plus adaptatifs que les bots à règles, gèrent les demandes en temps réel et peuvent réduire jusqu’à 80% des sollicitations d’assistance sur web et mobile. Les voicebots et callbots automatisent les appels 24h/24 pour désengorger les centres de contacts. En interne, des bots RH et IT automatisent l’onboarding, la gestion des congés et la résolution de tickets. À la clé: qualification instantanée des demandes, tri par complexité, baisse du temps de réponse moyen de 75% et économies d’environ 30% sur les coûts de support, tout en personnalisant les réponses via l’apprentissage automatique. Côté solutions: Dydu, acteur français no‑code depuis 2009, intègre IA générative et compréhension avancée; Botnation AI permet de créer rapidement des bots sans compétence technique; Zendesk AI annonce l’automatisation jusqu’à 80% des tickets via des agents IA pré‑entraînés sur des milliards de données clients; HubSpot propose une intégration native avec les CRM. Pour choisir, vérifiez l’intégration à votre écosystème (CRM, helpdesk, bases de connaissances) et privilégiez les plateformes offrant des simulations sur vos tickets historiques, avec coûts prévisibles entre 50 et 400 euros par mois. Prévoir 2 à 4 semaines d’apprentissage après un paramétrage soigné et des tests de scénarios critiques. Tendance 2025: la générative multimodale, combinant texte, voix et analyse d’images.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : données LinkedIn et RGPD, LLM en néphrologie, lunettes connectées chez Meta, expansion de MiniMax AI et boom des chatbots d’entreprise.D’abord, LinkedIn prévient ses utilisateurs européens : à partir du 3 novembre 2025, certaines données de la plateforme serviront à entraîner des IA génératives, sauf si vous désactivez l’option. Le paramètre est activé par défaut. Base juridique invoquée : l’« intérêt légitime » du RGPD, qui autorise un traitement si les droits des personnes ne sont pas lésés. Sont concernés les contenus partagés, commentaires, historique de recherche, et interactions publicitaires. LinkedIn précise que refuser ne bloque pas l’accès aux fonctions d’IA générative de la plateforme, utiles par exemple pour rédiger un profil ou des messages. Le refus se fait via les réglages de confidentialité. En clair, une échéance, une base légale, un périmètre de données et un choix utilisateur explicite.Cap sur la médecine avec une étude comparant plus de 1000 néphrologues à huit grands modèles de langage pour décider quand pratiquer une biopsie rénale. Un questionnaire, élaboré avec participation de patients, posait 11 questions sur indications et contre-indications, identiques pour humains et modèles. Résultat : performance hétérogène. ChatGPT-3.5 et GPT-4 se rapprochent le plus des réponses humaines, avec un alignement sur 6 questions sur 11. Le score de propension à la biopsie chez les médecins est de 23/44 ; les modèles d’OpenAI tournent entre 22 et 24. Llama 2 et Microsoft Copilot affichent des scores similaires mais un alignement de réponses plus faible avec le consensus humain. MedLM est le plus prudent avec 11, Claude 3 le moins prudent avec 34. Quand les médecins s’accordent, les LLM s’alignent davantage ; quand le consensus baisse, l’écart augmente. Une capacité modeste à reproduire la décision clinique, avec des limites pour l’usage en pratique.Côté matériel et usages immersifs, Meta a dévoilé à Connect 2025 une nouvelle génération de lunettes intelligentes orientées vers une assistance contextuelle continue. Trois modèles : Ray-Ban Meta Gen 2, Oakley Meta Vanguard pour le sport, et Ray-Ban Display avec écran projeté et bandeau EMG pour piloter l’interface par micro-gestes. Autonomie annoncée jusqu’à neuf heures, capture visuelle en ultra-HD, champ de vision élargi à 122°, et une fonction Conversation Focus pour mieux isoler la voix en environnement bruyant. Objectif : faire des lunettes un point d’accès récurrent à l’IA, pour des usages rapides, mains libres, en complément du smartphone, y compris en gestion de stocks ou formation. Meta revoit aussi son Horizon Engine pour des graphismes plus réalistes et propose Hyperscape Capture, qui génère des environnements immersifs à partir de scans 3D. En toile de fond, des enjeux de confidentialité et de gouvernance des données, notamment en Europe, et une promesse d’agentification où l’utilisateur exprime une intention que l’assistant exécute.Parlons industrie avec MiniMax AI, startup chinoise qui accélère à l’international. Son atout : une architecture unifiée, basée sur des Transformers, pour traiter texte, images et audio dans un même flux. Les modèles gèrent plusieurs langues, raisonnent sur des tâches complexes et analysent des images en contexte. Applications déjà testées : en finance pour analyser des jeux de données et produire des prévisions ; en éducation pour personnaliser l’apprentissage. Face aux géants occidentaux, MiniMax avance par itérations rapides et ciblées, avec un focus sur l’efficacité et le raisonnement multimodal. L’entreprise vise aussi des marchés moins couverts par l’offre occidentale, avec des usages intégrables dans des appareils et des plateformes SaaS.Pour finir, cap sur les chatbots IA d’entreprise, en forte adoption en 2025. Ces assistants, dopés au NLP, gèrent en autonomie les demandes courantes. Trois familles dominent : les chatbots conversationnels sur sites et apps, qui réduisent jusqu’à 80% des tickets ; les voicebots et callbots qui traitent les appels 24/7 ; et les bots internes RH/IT pour l’onboarding, les congés ou les incidents. Côté gains : baisse de 75% du temps de réponse en moyenne et 30% d’économies sur les coûts de support, avec une personnalisation des réponses selon le profil. Parmi les solutions : Dydu et Botnation AI côté français, Zendesk AI pour automatiser jusqu’à 80% des demandes, et HubSpot pour une intégration CRM native. Pour choisir, vérifiez l’intégration à vos outils (CRM, helpdesk, bases de connaissances), testez l’IA sur vos tickets historiques, et privilégiez des coûts prévisibles, souvent entre 50€ et 400€ par mois selon les fonctions. Prévoyez 2 à 4 semaines d’apprentissage avant d’atteindre la vitesse de croisière. Tendance de fond : le multimodal texte-voix-image pour des interactions plus naturelles.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : l’art sous pression face aux générateurs d’images, la fintech dans le cloud, la prolifération de contenus bas de gamme, la protection des mineurs, la recherche Google en test, un rappel clair sur les LLMs, l’explication des “hallucinations”, et un nouveau Codex pour coder.D’abord, le monde des arts visuels. Depuis le boom lancé fin 2022, des systèmes comme Midjourney ou ceux d’OpenAI et Google produisent des images à bas coût jugées “suffisamment bonnes” pour des usages internes. Résultat : contrats en baisse, salaires tirés vers le bas, et conditions dégradées. Témoignages à l’appui, des designers de costumes sont remplacés par des générateurs sortant des tenues irréalisables, des illustrateurs voient leurs commandes s’évaporer au profit d’images fabriquées parfois à partir de leur propre style. La colère porte aussi sur l’entraînement des modèles sans consentement. Certains envisagent de quitter le secteur, d’autres se tournent vers l’art traditionnel ou la BD, avec des revenus moindres.Cap sur la finance. Revolut s’appuie sur Google Cloud pour passer de 60 à plus de 100 millions d’utilisateurs. La néo-banque utilise Compute Engine pour déployer des VM en parallèle, l’IaC via les API Google pour automatiser l’infrastructure, et Cloud IAM pour la gestion des accès. Siège d’Europe de l’Ouest continentale à Paris, et extension du partenariat avec l’usage des modèles Gemini pour la détection de fraude et des offres client sur mesure. Nouveaux produits lancés : distributeurs automatiques en Europe, épargne et investissement, forfaits mobiles en Allemagne et au Royaume-Uni. Le mouvement cloud touche aussi Unicredit (accord de 10 ans), Santander (core banking sur cloud privé avec Google), Deutsche Bank et Commerzbank.Sur le web, des sites publient à la chaîne du texte généré par IA. Exemple signalé : “cookingflavr”, qui sort des dizaines d’articles quotidiens. Un “effet Baltimore Orioles” apparaît quand le modèle mélange l’équipe de baseball et l’oiseau friand de gelée de raisin. L’outil GPTrueOrFalse estime à 0,02 % la probabilité que ces textes soient humains. Exemples marquants : erreurs sur le violon Hardanger, le Lur norvégien pris pour un ver plat, conseils confus mêlant pointeurs laser et chirurgie oculaire, affirmation que les rhinocéros sont “savoureux”, et infos erronées sur la détection de fuites de gaz. Nuisible pour la recherche d’info, potentiellement dangereux si des extraits automatiques amplifient ces réponses.Justement, la protection des jeunes revient au premier plan. OpenAI durcit l’accès des mineurs: blocage des échanges à caractère sexuel, garde-fous renforcés sur le suicide avec possibilité d’alerte aux parents ou aux autorités en cas de danger immédiat, et nouveaux contrôles parentaux avec “blackout hours”. L’identification des moins de 18 ans reste difficile : un système de prédiction d’âge et la vérification d’identité sont évoqués ; l’association du compte à celui d’un parent est privilégiée. Cette annonce fait suite au cas d’Adam Raine, adolescent dont les parents poursuivent OpenAI, et intervient dans un contexte d’auditions au Sénat américain et d’une enquête de la FTC visant sept entreprises. Character.AI fait aussi face à des poursuites dans un dossier distinct.Côté moteurs, Google teste des résumés IA en tête des résultats. Un bug récent a provoqué une surcharge de publicités. Google introduit un processus de vérification vidéo pour Merchant Center et envisage la fin des questions-réponses locales et de son API. Google Discover expérimente un flux limité aux comptes suivis. En parallèle, OpenAI améliore la recherche intégrée à ChatGPT, avec un accent sur la factualité, le shopping et le formatage.Petit rappel de contexte technique : un LLM est un modèle entraîné sur du texte, polyvalent, qui peut comprendre, générer, résumer, traduire et reformater. Contrairement aux anciens modèles NLP spécialisés, il sert de solveur généraliste, capable par exemple de transformer une description de poste en CV personnalisé ou d’assister un développeur comme le fait Copilot.Sur la fiabilité, OpenAI publie une analyse des “hallucinations”. Même avec des données parfaites, la prédiction mot à mot induit des erreurs qui s’accumulent : le taux d’erreur pour une phrase est au moins deux fois supérieur à celui d’une question oui/non. Plus un fait est rare dans l’entraînement, plus l’erreur est probable ; si 20 % d’anniversaires n’apparaissent qu’une fois, au moins 20 % des requêtes associées seront fausses. Les évaluations pénalisent l’incertitude, poussant les modèles à “deviner”. Piste proposée : calibrer la confiance et l’évaluer, au prix de coûts de calcul et de délais accrus.On termine avec GPT-5 Codex, variante orientée “codage agentique”. Le modèle exécute des tâches longues, corrige des bugs avant déploiement, refactorise du code et s’intègre au cloud, à l’IDE, au terminal, à GitHub et à ChatGPT. Son interface Codex CLI lit, réécrit et exécute localement, reliée au compte ChatGPT. Tests parlants : un jeu de tir spatial 2D jouable avec collisions et score ; un tableau de bord de suivi des calories et du sommeil en HTML/CSS/JS avec Chart.js et résumé hebdomadaire ; et un workflow d’analyse de sentiment de l’ingestion à la visualisation des prédictions.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : base de données plus rapides, usages réels de ChatGPT, sécurité des mineurs, tension sur le stockage, pourquoi les IA hallucinent, comment mieux les piloter, course aux puces maison et rapports humains–machines.PostgreSQL 18 arrive avec l’entrée/sortie asynchrone pour accélérer les lectures. Concrètement, la base regroupe des lectures sans bloquer le travail, au lieu de s’en remettre uniquement à l’OS. Sont concernés les analyses séquentielles, les Bitmap Heap Scans et des opérations comme VACUUM. Par défaut, io_method=worker avec 3 travailleurs (ajustables) ; sous Linux 5.1+, on peut activer io_uring et faire exécuter les appels par les backends. Une vue pg_aios expose les métriques. Les écritures restent synchrones pour l’ACID. Côté index, le “skip scan” permet d’exploiter dans bien des cas un B-tree multi-colonnes pour des requêtes sur une colonne non en tête, par exemple interroger “date” sur un index (statut, date). Les UUID passent à la version 7 : 48 bits de timestamp puis aléatoire, meilleure localité d’insertion et indexabilité. Les colonnes générées deviennent virtuelles par défaut (moins de coûts à l’écriture, STORED uniquement si demandé). Enfin, prise en charge d’OAuth 2.0 avec jetons porteurs, compatible avec Okta ou Keycloak, ouvrant la voie au MFA et au SSO sans stocker de mots de passe.Cap sur les usages: une étude OpenAI–Université de Pennsylvanie a analysé 1,5 million de conversations. Résultat: 70% d’usage personnel contre 30% professionnel, le personnel passant de 53% à plus de 70% entre juin 2024 et juin 2025. Trois grands motifs — surtout des demandes de conseils — concentrent près de 80% des échanges. La féminisation progresse: de 37% d’utilisatrices en janvier 2024 à 52% en juillet 2025. Les 18–25 ans génèrent près de la moitié des messages adultes. La croissance est quatre fois plus rapide dans les pays à revenus faibles et intermédiaires. Côté métiers, les cadres utilisent ChatGPT au travail surtout pour l’écriture (52%), tandis que l’IT l’emploie à 37% pour l’aide technique et le code.Sur la sécurité, OpenAI renforce ChatGPT après des plaintes, dont celle liée au suicide d’Adam Raine. Le service tentera d’estimer l’âge et, parfois, exigera une pièce d’identité pour vérifier les plus de 18 ans. Des contrôles parentaux sont en place, et pour les mineurs, le modèle évitera désormais les échanges flirtants et les contenus sur le suicide ou l’automutilation, même en fiction. En cas d’idées suicidaires chez un moins de 18 ans, OpenAI cherchera à joindre les parents et, si nécessaire, les autorités en danger imminent. Ces mesures s’inscrivent dans une évolution plus large des politiques de modération, avec un rappel: YouTube utilise aussi des estimations d’âge depuis juillet.Le marché du stockage subit la pression des serveurs d’IA: disponibilité en baisse, prix en hausse pour HDD et SSD, alerte TrendForce à l’appui. Western Digital et SanDisk ont relevé leurs tarifs ; Micron a gelé les siens et augmenté certains NAND de 20 à 30%. Le sous-investissement dans le disque mécanique aggrave la rareté. Les cloud providers et grands consommateurs devront payer plus cher, alimentant la spirale, tandis que les fabricants PC pourraient réduire la capacité ou attendre de nouvelles générations. La mémoire vive pourrait aussi être impactée.Pourquoi les IA hallucinent? Un article d’OpenAI avance une explication mathématique: même avec des données parfaites, la génération mot à mot entraîne des erreurs. Le taux d’erreur d’une phrase est au moins deux fois celui d’une question oui/non. Moins un fait est vu à l’entraînement, plus le modèle se trompe: si 20% des anniversaires n’apparaissent qu’une fois, les modèles échoueront sur au moins 20% de ces requêtes. Les benchmarks aggravent le phénomène: 9 sur 10 notent en binaire et pénalisent “Je ne sais pas”, incitant à deviner. Pistes: calibrer la confiance et ne répondre qu’au-dessus d’un seuil (par exemple 75%), ou recourir à la quantification d’incertitude et à l’apprentissage actif — au prix d’un surcoût calculatoire. Tolérable en santé ou finance, moins en grand public.Pour mieux piloter un modèle, un guide propose une “invite maîtresse” structurée (ex: rôle “rédacteur technique” ou “analyste marché”), l’ajustement des paramètres de raisonnement, l’auto-réflexion et un processus “metafix” où le modèle révise sa sortie. Décrire précisément la tâche, ajouter du contexte utile (workflows, pain points) et exiger des livrables clairs — PRD, diagrammes, spécs API, code — améliore nettement la qualité.Côté matériel, OpenAI prépare une puce maison pour 2026 avec une équipe d’environ 40 personnes et l’appui de Broadcom, dont l’action a gagné 9%. Objectif: réduire la dépendance à Nvidia, maîtriser les coûts et optimiser pour ses besoins — une stratégie déjà adoptée par Google, Amazon, Meta et Microsoft.Enfin, regards croisés sur le travail: le “centaure” — humain assisté par la machine — s’oppose au “centaure inversé”, où l’humain sert la machine. Exemple médiatique: un guide de lecture généré avec des livres inexistants a mis en cause un rédacteur ; à l’inverse, l’usage volontaire de Whisper pour retrouver une citation illustre un gain ciblé. Beaucoup anticipent une bulle IA: même si des modèles open source perdureront, restent l’empreinte climatique et la précarité des travailleurs, d’où l’appel à contenir la surchauffe.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : données de code et vie privée, nouveau modèle pour les devs, usages réels de ChatGPT, frais des app stores, violences en ligne et deepfakes, et débat sur la régulation de l’IA.On ouvre avec Anysphere, l’équipe derrière Cursor. L’entreprise étudie la vente ou la licence de données sur la façon dont les ingénieurs utilisent son assistant de codage à des fabricants de modèles comme OpenAI, xAI et Anthropic. Objectif annoncé: aider à entraîner leurs modèles, quitte à nourrir des produits concurrents. En toile de fond, des coûts d’infrastructure élevés et des économies d’échelle jugées médiocres pour Cursor, malgré une levée de 900 millions de dollars en juin. La politique de confidentialité promet de ne pas entraîner de modèles sur les données des utilisateurs sans consentement explicite, mais la monétisation reste envisagée. Les enjeux juridiques sont réels: accords de non-divulgation, RGPD et traitement de données personnelles. La pratique de vendre des données n’est pas nouvelle dans la Silicon Valley, souvent présentée comme l’équivalent du pétrole du numérique, mais elle pourrait raviver les débats sur la confiance et la conformité.Restons côté développeurs avec GPT-5-Codex. OpenAI a dévoilé cette variante de GPT-5 dédiée aux outils de programmation assistée. Pas encore accessible via l’API, mais déjà intégrée à l’extension VS Code, au Codex CLI et à l’agent asynchrone Codex Cloud, y compris via une application iPhone. Nouvelle fonction notable: des revues de code automatiques sur des dépôts GitHub précis, exécutées dans un conteneur temporaire. Particularité technique, le prompt système est plus court que sur d’autres modèles, ce qui pourrait influer sur certaines tâches. Côté retours, un testeur souligne une impression générale positive, tout en notant des difficultés à naviguer dans le code avec l’outil de recherche du CLI, possiblement perfectible via une mise à jour du prompt. Pour l’anecdote, le modèle a aussi généré une image SVG d’un pélican à vélo.Passons aux usages grand public. OpenAI publie une étude sur 1,5 million de conversations avec ChatGPT, anonymisées. L’outil, lancé fin 2022, revendique 700 millions d’utilisateurs actifs par semaine. Contrairement aux idées reçues, les échanges non liés au travail dominent et progressent: de 53 % au départ à plus de 70 % aujourd’hui. L’usage professionnel reste plus fréquent chez les diplômés aux postes bien rémunérés. OpenAI classe les interactions en trois catégories: “demander” (environ la moitié), “faire” (40 %) et “exprimer” (11 %). L’étude note une hausse de la part des femmes utilisatrices entre début 2024 et juillet 2025 et une forte progression dans les pays à revenu faible et moyen. L’éditeur avance que l’accès à l’IA devrait être vu comme un droit, source de valeur non mesurée par le PIB.Changement de registre avec les app stores. Microsoft supprime les frais de publication pour les développeurs individuels sur le Microsoft Store. Google maintient des frais uniques de 25 dollars pour l’inscription sur le Play Store, Apple conserve 99 dollars par an pour l’App Store. En Europe, Apple fait face à une enquête sur son “Core Technology Fee”, facturé à chaque première installation annuelle au-delà d’un seuil, pendant que de nouvelles règles suscitent des critiques chez des développeurs qui y voient une menace pour leur modèle économique. Google a, lui aussi, introduit de nouveaux frais dans l’UE et juge l’ouverture aux magasins d’applications tiers sur Android “dangereuse”. La décision de Microsoft abaisse la barrière d’entrée, alors que ses concurrents ajustent leurs politiques sous contrainte réglementaire.Sur les impacts sociétaux, Laura Bates, dans “The New Age of Sexism”, décrit la reproduction de biais dans l’IA et les mondes virtuels. Les femmes seraient 17 fois plus susceptibles de subir des abus en ligne. Les deepfakes sont massivement genrés: 96 % relèveraient de pornographie non consensuelle, ciblant des femmes dans 99 % des cas. L’autrice évoque des outils inopérants avec des images d’hommes, l’essor de troubles post-traumatiques chez des adolescentes, et son propre harcèlement via des deepfakes. Écart d’adoption aussi: 71 % des hommes de 16 à 24 ans utilisent l’IA chaque semaine, contre 59 % des femmes. Bates appelle à des règles de sécurité comparables à d’autres secteurs, alors que l’industrie renvoie souvent la responsabilité aux comportements des utilisateurs.Enfin, débat régulation: une chronique récente plaide pour une coopération États-Unis–Chine afin de sécuriser l’IA, en citant la menace de “superintelligences”. Certaines affirmations relayées — modèles parlant des langues non prévues, ou une alerte de sauvetage annulée par une IA — ont été démenties ou relevaient de simulations scénarisées. L’idée d’une “IA qui régule l’IA” via une éthique commune embarquée se heurte à la complexité et à la diversité des normes morales, que les systèmes actuels ne savent pas gérer de manière fiable. D’où un appel à des pistes concrètes fondées sur des preuves, plutôt qu’à des récits spéculatifs.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.