NewsFolio

Le gouverneur Greg Abbott a demandé à la commission de régulation des services publics de l'État et à l'ERCOT, gestionnaire du réseau texan, de vérifier et d'auditer les projets de centres de données avant d'autoriser leur raccordement. L'État qui se présentait comme l'épicentre américain de l'IA, en s'appuyant sur une réglementation légère et une électricité abondante, pose donc une condition à l'entrée. La mesure ralentira mécaniquement l'instruction des dossiers, sans que les critères retenus pour l'audit aient été détaillés.

Ce qui change ici n'est pas une position politique mais un ordre de contrainte : la disponibilité électrique devient le facteur limitant de l'expansion de l'IA, avant le capital ou l'accès aux puces. La décision est d'autant plus significative qu'elle vient d'un État qui avait construit son attractivité sur l'absence de ce genre de contrôle.

Selon TechCrunch, Anthropic a conclu avec Volta, jeune entreprise spécialisée dans le cloud dédié à l'IA, un accord évalué à 10 milliards de dollars. L'opération prolonge une série de partenariats de capacité signés ces derniers mois par le laboratoire auprès de plusieurs fournisseurs. La logique est celle d'une sécurisation d'approvisionnement : plutôt que de dépendre d'un hébergeur unique, les laboratoires réservent du calcul par contrats pluriannuels, chez plusieurs acteurs à la fois. Ces engagements portent sur des montants considérables, pris avant que la demande correspondante ne soit constatée, ce qui reporte le risque sur des prévisions de croissance. L'information est rapportée sans confirmation officielle à ce stade.

Un rapport de l'organisation SaferAI conclut que GLM-5.2, modèle à poids ouverts publié par Z.ai, approche le niveau de capacité des meilleurs systèmes fermés sans disposer des mesures de sûreté qui accompagnent ces derniers. Le constat porte moins sur ce modèle en particulier que sur un écart de nature : une fois les poids diffusés, aucune restriction d'usage ne peut être appliquée rétroactivement. Les instruments de gouvernance conçus pour des services en ligne — filtrage des requêtes, journalisation, retrait d'un accès — n'ont pas d'équivalent pour un fichier téléchargeable. Le rapport émane d'une organisation dont la sûreté des modèles est le sujet de plaidoyer, ce qui invite à examiner sa méthode d'évaluation avant d'en généraliser les conclusions.

La Linux Foundation soumet à commentaires SAFE (Shared AI Findings Exchange), un ensemble de règles destinées à normaliser le partage des vulnérabilités et incidents observés sur les systèmes agentiques. La proposition émane de l'Open Secure AI Alliance, groupement lancé il y a une semaine à l'initiative de NVIDIA et qui revendique déjà plus de 120 organisations ; sa publication coïncide avec l'ouverture de la conférence Black Hat. La difficulté visée est prosaïque : chaque éditeur décrit aujourd'hui les incidents liés à ses agents dans son propre vocabulaire, ce qui interdit toute mesure agrégée du phénomène. Un format d'échange partagé ne corrige aucune faille, mais c'est la condition pour que les signalements deviennent comparables d'un acteur à l'autre. Il s'agit pour l'instant d'un appel à commentaires, pas d'un standard adopté.

Liquid AI met à disposition sur Hugging Face LFM2.5-2.6B, un modèle conçu pour faire tourner des agents directement sur l'appareil, sans passer par un service distant. La taille retenue vise le compromis propre à ce segment : rester assez compact pour tenir sur un téléphone ou une machine ordinaire, tout en conservant la capacité d'enchaîner des appels d'outils. L'essentiel de l'attention se porte sur les modèles de frontière, alors que la contrainte réelle de nombreux déploiements est la confidentialité des données ou l'absence de connexion fiable. Les performances annoncées proviennent de l'éditeur et n'ont pas encore été confrontées à des évaluations indépendantes.

NVIDIA rend disponible pour un usage commercial Alpamayo 2 Super, modèle ouvert destiné aux robotaxis et aux véhicules autonomes. L'argument mis en avant porte sur les situations rares, celles que la détection d'objets et la prédiction de trajectoire traitent mal, et sur la capacité à interpréter une scène avant de choisir une manœuvre plutôt qu'à réagir à des éléments isolés. La conduite autonome reposait jusqu'ici sur des piles logicielles largement propriétaires : proposer une base réutilisable déplace le point de différenciation vers les données d'entraînement et la validation. La démonstration reste à faire sur route, puisque les scénarios de longue traîne sont précisément ceux qu'aucun benchmark ne mesure correctement.

Une entreprise américaine fournira à l'Ukraine un système de guidage par IA installé sur environ 50 000 drones d'attaque bon marché, dans le cadre d'un contrat de 100 millions de dollars. Le dispositif permet à l'appareil de suivre sa cible par lui-même sur la phase finale du vol, sans instruction continue de l'opérateur ; l'intérêt recherché est de limiter l'effet du brouillage radio, devenu la principale parade sur ce front. Le point notable est le passage à l'échelle : l'autonomie n'est plus un prototype de laboratoire mais un équipement installé en série, à faible coût unitaire. Le débat sur les armes autonomes s'en trouve déplacé, puisqu'il ne porte plus sur quelques systèmes d'exception mais sur du matériel consommable déployé par dizaines de milliers.

Google indique avoir traité 1 072 vulnérabilités de Chrome en s'appuyant sur des outils d'IA, mobilisés aussi bien pour repérer les défauts que pour produire les correctifs. Le goulot d'étranglement de la sécurité logicielle n'est pas tant la découverte d'une faille que le délai entre son signalement et le déploiement d'un correctif : c'est ce délai que l'automatisation cherche à comprimer. La contrepartie se situe en aval, dans la relecture, un correctif incomplet ou faux constituant un coût plutôt qu'un gain. Le chiffre émane de Google et porte sur un périmètre que l'entreprise définit elle-même ; il indique surtout un changement d'échelle dans le volume traité.

Merlin, qui représente plus de 30 000 labels et distributeurs indépendants, rejoint Universal Music Group pour soutenir l'outil de remix et de reprises par IA que prépare Spotify. La fonction, payante, doit permettre aux auditeurs de produire des versions modifiées des morceaux dont les artistes auront accepté la participation, avec crédit et rémunération prévus. L'élément notable est l'ordre des opérations : le dispositif se construit à partir d'un accord préalable avec les ayants droit, là où les outils de génération musicale existants se sont développés en marge du droit d'auteur, puis devant les tribunaux. Reste à savoir ce que recouvrent concrètement le consentement des artistes et le calcul de leur rémunération, deux points sur lesquels rien n'a été détaillé.