NewsFolio

Marvell Technology a accordé à Google une option d'achat pouvant porter sur 12,2 milliards de dollars de ses propres actions, dans le cadre d'un partenariat élargi autour des composants sur mesure qui accompagnent les TPU du moteur de recherche. L'action du fondeur a gagné près de 10 % à l'annonce.

L'intérêt de l'opération dépasse le montant. Google conçoit ses propres accélérateurs pour réduire sa dépendance à Nvidia, mais cette conception s'appuie depuis des années sur un partenaire industriel unique, Broadcom. Ajouter Marvell revient à se ménager une seconde voie sur une chaîne d'approvisionnement où le goulot d'étranglement s'est déplacé des puces elles-mêmes vers les capacités de conception et d'assemblage disponibles.

La structure choisie — une option sur le capital du fournisseur plutôt qu'un simple contrat — mérite d'être notée. Elle aligne les intérêts des deux entreprises tout en laissant Google libre de ne pas exercer. Ce type de montage se généralise dans le secteur, où les acheteurs de calcul prennent des positions au capital de leurs propres fournisseurs, avec les questions de concurrence que cela finira par soulever.

Mistral AI présente Agentic Search, un service de recherche destiné non pas aux utilisateurs finaux mais aux systèmes qu'ils construisent : un agent interroge le web, trie et renvoie des résultats exploitables au modèle qui l'a sollicité. Le laboratoire met en avant deux critères, la justesse des résultats et l'efficacité du procédé, ce dernier terme renvoyant au nombre d'appels et donc au coût.

La recherche est le maillon faible de la plupart des agents en production. Un modèle raisonne correctement sur ce qu'on lui donne, mais échoue dès que la couche de récupération lui remonte des pages hors sujet ou périmées, et une recherche mal calibrée multiplie les allers-retours facturés. Vendre cette couche séparément, comme le font déjà OpenAI, Google et Anthropic avec leurs API de recherche, revient à monétiser le point de friction plutôt que le modèle.

Mistral n'a pas rendu publics de résultats comparatifs face à ces concurrents. Les modalités d'accès et la tarification demandent vérification dans la documentation du laboratoire avant tout arbitrage technique.

Google introduit un dispositif permettant à un internaute de marquer un média comme source privilégiée, ce choix influençant ensuite sa place dans Search, Discover et Google News. La fonction est présentée comme une réponse à l'érosion du trafic que subissent les éditeurs depuis que les réponses générées retiennent les utilisateurs sur la page de résultats.

Le geste répond à un grief précis et documenté : les résumés produits par l'IA répondent à la question sans que le lecteur ait besoin de cliquer, ce qui casse le contrat implicite qui liait le moteur aux sites qu'il indexe. Plusieurs groupes de presse ont porté ce reproche devant les régulateurs européens et américains.

La portée réelle du remède reste à démontrer. Le mécanisme repose sur une action volontaire du lecteur, alors que la perte de trafic frappe d'abord les visites d'opportunité, celles qui viennent de lecteurs sans attachement à un titre. Il transfère par ailleurs à l'utilisateur une responsabilité de curation qui incombait jusqu'ici à l'algorithme, sans que Google ait précisé le poids accordé à ce signal face aux autres critères de classement.

Slack lance Slack Code, un type de canal où plusieurs personnes travaillent avec des agents sur un même projet sans quitter la messagerie. L'ensemble comprend des canaux propres à chaque projet, des onglets individuels, la comparaison des modifications proposées et un aperçu du rendu HTML avant livraison.

L'idée déplace un usage aujourd'hui solitaire vers un espace partagé. Le travail avec un assistant de code se fait pour l'instant dans l'éditeur de chacun, ce qui rend invisible aux autres ce que l'agent a produit, sur quelle consigne et avec quelles reprises. Rapatrier cet échange dans le canal d'équipe rend la démarche consultable et commentable par les collègues.

Le revers tient à la nature de l'outil. Une messagerie n'offre ni l'historique versionné, ni la revue de code, ni les tests automatisés qui encadrent une contribution logicielle. Le risque est de voir du code validé dans une conversation puis expédié sans passer par ces filtres, d'autant que l'aperçu proposé porte sur le rendu visuel et non sur la qualité de ce qui le produit.

Liquid AI publie LFM2.5-DSpark, une déclinaison de sa famille de petits modèles qui revendique une vitesse d'inférence jusqu'à 3,2 fois supérieure à celle de la version précédente. L'annonce est parue sur le blog du laboratoire hébergé par Hugging Face.

Le gain vise un usage précis : faire tourner un modèle sur l'appareil de l'utilisateur — téléphone, ordinateur portable, équipement embarqué — plutôt que dans un centre de données. Sur ce terrain, la vitesse n'est pas un raffinement mais une condition d'existence, puisqu'un modèle local trop lent est simplement inutilisable, et elle conditionne aussi l'autonomie de la batterie.

La formule « jusqu'à » impose la prudence habituelle. Un tel facteur dépend du matériel de test, de la longueur du contexte et de la quantification retenue, et les mesures publiées par un éditeur portent en général sur la configuration qui lui est la plus favorable. Les modèles étant diffusés sur Hugging Face, une vérification indépendante reste possible.

Binance ouvre sa plateforme aux agents automatisés avec Agent OS, un dispositif compatible avec ChatGPT, Claude Code et Cursor. Un utilisateur peut ainsi confier à un agent la passation d'ordres sur ses actifs, sans intermédiaire humain à chaque étape.

La plateforme place explicitement la responsabilité du contrôle du côté de l'utilisateur : c'est à lui de fixer les limites et de surveiller ce que fait l'agent. Or les garde-fous habituels du trading automatisé — plafonds de perte, coupe-circuit, journalisation des décisions — relèvent d'une ingénierie que la plupart des particuliers ne mettront pas en place.

Le marché des cryptoactifs cumule ici trois facteurs qui se renforcent : volatilité élevée, cotation permanente et irréversibilité des transactions. Un agent qui interprète mal une consigne ne se contente pas de produire une réponse fausse, il engage des fonds, sans le mécanisme de contestation qui existe dans les systèmes de paiement traditionnels.

Selon des données d'enquête publiées par VentureBeat, 20 % des entreprises interrogées déclarent ne pas pouvoir interrompre en temps réel un agent dont la consommation s'emballe. L'entreprise médiane exploite par ailleurs trois plateformes d'orchestration en parallèle, un choix présenté comme délibéré : aucune n'inspire une confiance suffisante pour lui confier l'ensemble du dispositif.

Le motif invoqué n'est pas seulement la crainte de l'enfermement chez un fournisseur. Les répondants expriment des réserves sur les capacités de sécurité et de gestion des droits des éditeurs, et préfèrent conserver la main sur ces règles plutôt que d'hériter de celles du produit.

Ce défaut de coupe-circuit est révélateur de l'état de maturité du secteur. Un agent qui enchaîne des appels facturés est un poste de dépense variable sans plafond, et l'absence d'arrêt d'urgence signifie qu'un incident se découvre sur la facture. Les données citées émanent du panel de VentureBeat, ce qui invite à les traiter comme une tendance déclarative plutôt que comme une mesure.

Microsoft envisage de solliciter les batteries installées chez les particuliers pour soulager le réseau électrique aux heures où ses centres de données pèsent le plus. Le principe consiste à agréger ces capacités dispersées en une réserve mobilisable à la demande, sur le modèle des centrales virtuelles déjà expérimentées par plusieurs opérateurs d'énergie.

La démarche traduit un basculement dans la contrainte du secteur. La disponibilité des puces n'est plus le seul plafond : le raccordement électrique et la capacité du réseau aux heures de pointe déterminent désormais où et quand une capacité de calcul peut entrer en service.

Le montage soulève une question de répartition qui n'est pas technique. Une batterie domestique a été financée par un ménage pour son propre usage — autoconsommation, sécurisation en cas de coupure. La mettre au service d'un opérateur de centres de données suppose une contrepartie et un cadre contractuel dont les termes n'ont pas été rendus publics.

OpenAI annonce de nouvelles protections portant sur les données de ses clients professionnels, dans ce que TechCrunch décrit comme une réponse directe aux engagements pris par Anthropic sur le même terrain. La confidentialité devient ainsi un argument commercial explicite entre les deux fournisseurs.

Cette concurrence a une origine identifiable : la principale réticence des directions informatiques à l'adoption de ces outils porte sur le sort des données transmises — conservation, réutilisation pour l'entraînement, accès par les équipes du fournisseur, réponse aux réquisitions judiciaires. Chaque garantie gagnée lève un obstacle contractuel et raccourcit un cycle de vente.

La portée de ces engagements dépend entièrement de leur formulation juridique. Une promesse affichée sur une page produit et une clause opposable dans un contrat d'entreprise n'ont pas la même valeur, et le détail des exceptions prévues — sécurité, obligations légales — décide de ce qui est réellement protégé.