En interrogeant l'intelligence artificielle de Google sur le jeu indépendant Operation Octo, un joueur a obtenu le nom exact d'un personnage encore secret. Son créateur assure ne l'avoir écrit que dans un document Google privé. Mais cette apparente fuite, impossible à reproduire, pourrait cacher une explication moins spectaculaire.
ChatGPT Tasks permet d’automatiser vos rappels et de programmer des notifications ponctuelles ou récurrentes directement depuis ChatGPT. Ce guide explique comment créer une tâche, définir une date et une heure, activer les notifications, modifier ou supprimer un rappel, ainsi que les limites à connaître avant de lui confier des échéances importantes.
ChatGPT Tasks, appelé Tâches dans certaines interfaces françaises, est une fonctionnalité de planification intégrée à ChatGPT. Elle permet de demander à l’assistant d’effectuer une action à une date précise ou selon une fréquence définie.
Il peut notamment :
OpenAI a présenté cette fonctionnalité le 14 janvier 2025, d’abord sous forme de bêta pour certains abonnements. Les conditions d’accès peuvent évoluer selon le pays, le compte et le forfait utilisé.
Une tâche est plus qu’un message placé dans une conversation. Elle est enregistrée séparément et possède :
Par exemple, la demande suivante crée un rappel récurrent :
Rappelle-moi tous les lundis à 9 h 00 de préparer la réunion commerciale de l’après-midi.
ChatGPT peut ensuite vous avertir chaque lundi, sans qu’il soit nécessaire de recréer manuellement le rappel.
La création d’une tâche se fait en langage naturel, depuis une conversation ChatGPT classique.
Connectez-vous à votre compte depuis :
L’accès aux tâches peut dépendre du forfait. Lors de son lancement, la fonctionnalité concernait principalement les comptes ChatGPT Plus, Pro et Team. Si l’option n’apparaît pas, vérifiez le forfait utilisé, la version de l’application et les informations du centre d’aide OpenAI.
Il est préférable de créer une tâche dans une conversation standard. Les tâches peuvent ne pas être disponibles dans certains contextes, comme les conversations vocales, les GPT personnalisés ou les échanges utilisant certaines fonctionnalités avancées.
Écrivez directement ce que ChatGPT doit faire, quand et à quelle fréquence.
Exemples :
Rappelle-moi demain à 8 h 30 d’envoyer le dossier à mon comptable.
Rappelle-moi chaque jour à 19 h de prendre une pause et de préparer mes affaires pour le lendemain.
Tous les vendredis à 16 h, rappelle-moi de faire le bilan de ma semaine.
Rappelle-moi le 15 juin 2026 à 10 h 00, heure de Paris, de renouveler mon passeport.
Pour éviter toute ambiguïté, indiquez autant que possible :
Après l’envoi de la demande, ChatGPT affiche généralement une confirmation ou une carte de tâche. Vérifiez attentivement :
Si une information est ambiguë, ChatGPT peut poser une question complémentaire. Répondez avec une précision supplémentaire plutôt que de valider une tâche mal configurée.
La tâche peut être créée sans que les notifications soient correctement activées. Autorisez donc les notifications :
Une tâche active ne garantit pas automatiquement l’affichage d’une alerte si les notifications sont bloquées.
ChatGPT Tasks comprend les demandes récurrentes formulées en langage naturel. Plus la règle est explicite, plus le résultat est fiable.
Tous les jours à 7 h 30, rappelle-moi de boire de l’eau et de consulter mon agenda.
Chaque lundi, mercredi et vendredi à 8 h, rappelle-moi de faire 20 minutes d’exercice.
Tous les dimanches à 18 h, rappelle-moi de planifier mes repas pour la semaine.
Le premier jour de chaque mois à 9 h, rappelle-moi de vérifier mes abonnements.
Les règles mensuelles peuvent être interprétées différemment selon la formulation. Il est préférable de préciser le jour :
Le 1er de chaque mois à 9 h, rappelle-moi de vérifier mes factures.
Une demande comme « à 9 h » peut être interprétée selon le fuseau horaire associé au compte, à l’appareil ou à la session. Pour un rappel important, indiquez explicitement :
Tous les jours ouvrés à 8 h 30, heure de Paris, rappelle-moi de consulter mes e-mails professionnels.
Le fuseau Europe/Paris est particulièrement utile pour les utilisateurs situés en France métropolitaine. Cette précision limite les erreurs liées aux voyages, au changement d’appareil et au passage à l’heure d’été ou d’hiver.
ChatGPT peut être utilisé pour les tâches courantes :
Exemple :
Rappelle-moi samedi à 10 h d’acheter un cadeau d’anniversaire.
Les tâches récurrentes sont utiles pour structurer une activité professionnelle :
Exemple :
Tous les vendredis à 17 h, rappelle-moi de vérifier les tâches ouvertes dans mon outil de gestion de projet.
Il faut toutefois distinguer rappeler une action et effectuer réellement cette action. ChatGPT peut vous avertir, mais il ne doit pas être considéré comme un système qui envoie automatiquement un e-mail ou modifie un logiciel tiers, sauf intégration explicitement disponible et autorisée.
ChatGPT Tasks peut également servir à créer une routine :
Chaque matin à 8 h, propose-moi cinq mots d’espagnol avec leur traduction et un exemple.
Chaque soir à 20 h, donne-moi un exercice de vocabulaire anglais de niveau intermédiaire.
Dans ce cas, la tâche ne se limite pas à afficher un message prédéfini. Elle peut générer une nouvelle réponse à chaque exécution, selon les capacités disponibles sur le compte.
Il est possible de demander un résumé régulier :
Chaque lundi à 8 h, prépare-moi une courte checklist des priorités de la semaine.
Pour les informations d’actualité, de météo ou de marché, la qualité dépend de l’accès de ChatGPT aux données actualisées et aux outils de recherche disponibles. Un rappel programmé ne garantit pas toujours l’accès à une information en temps réel.
Une tâche peut être gérée depuis l’espace dédié aux tâches ou depuis les options associées à la tâche dans la conversation.
Vous pouvez demander une modification en langage naturel :
Modifie ce rappel pour qu’il soit envoyé à 10 h au lieu de 9 h.
Fais passer ce rappel du lundi au mardi.
Répète cette tâche uniquement les jours ouvrés.
Après modification, vérifiez la nouvelle confirmation. En cas de doute, consultez la liste des tâches actives pour éviter de créer un doublon.
La suspension désactive temporairement l’exécution sans supprimer la configuration. Elle convient par exemple :
L’option peut apparaître sous la forme Pause, Suspendre ou Désactiver, selon l’interface.
Pour arrêter définitivement un rappel :
Vous pouvez également écrire :
Supprime ce rappel.
La suppression est préférable à une simple modification lorsque la tâche ne sera plus jamais utilisée.
Sur le Web, l’accès peut se trouver dans le menu du profil, dans les paramètres ou dans une section intitulée Tasks, Tâches ou Tâches planifiées. L’emplacement exact peut varier selon la version de ChatGPT.
La liste permet généralement de :
OpenAI a indiqué une limite de 10 tâches actives simultanément pour les utilisateurs concernés par la fonctionnalité. Cette limite peut évoluer.
Une tâche terminée ou supprimée ne doit pas être confondue avec une tâche active. Si une nouvelle tâche refuse de se créer, vérifiez d’abord la liste des tâches et désactivez celles qui ne sont plus utiles.
Pour rester organisé, utilisez des intitulés clairs dans les instructions :
Les notifications push sont adaptées aux téléphones et aux applications de bureau. Elles doivent être autorisées à deux niveaux :
Sur mobile, vérifiez également que le mode « Ne pas déranger » ou un mode de concentration ne bloque pas les alertes.
Les e-mails peuvent servir de solution de secours ou de canal principal. Contrôlez :
Le contenu d’un rappel envoyé par e-mail peut être visible sur un écran verrouillé ou dans une boîte partagée. Évitez donc d’y inclure des informations confidentielles.
Les tâches sont conçues pour être exécutées côté serveur. ChatGPT peut donc traiter une tâche même si l’application n’est pas ouverte au moment prévu. En revanche, l’appareil doit généralement retrouver une connexion pour recevoir la notification.
Une tâche ChatGPT ne doit pas être assimilée à une alarme sonore garantie. Pour un événement critique, une alarme native du téléphone ou un calendrier reste plus approprié.
Lors du lancement, ChatGPT Tasks a été proposé en bêta à certains utilisateurs des forfaits Plus, Pro et Team. Il n’y avait pas de paiement séparé par rappel, mais l’accès dépendait du plan ChatGPT concerné.
Les offres, les quotas et les fonctionnalités peuvent changer. Pour connaître la situation applicable à un compte, consultez :
Ne confondez pas la disponibilité de ChatGPT Tasks avec celle des rappels intégrés à Google Agenda, Apple Rappels, Microsoft Outlook ou d’autres services. Ces outils possèdent leurs propres conditions d’accès et leurs propres options de notification.
Procédez dans cet ordre :
La cause la plus fréquente est une information temporelle ambiguë. Reformulez la tâche avec :
Exemple :
Exécute ce rappel chaque mardi à 14 h 00, heure de Paris, et non selon le fuseau horaire de mon appareil.
Il est possible que plusieurs tâches similaires aient été créées dans différentes conversations. Consultez la liste des tâches actives et supprimez les doublons.
Une tâche peut rappeler une action sans pouvoir l’accomplir elle-même. La demande suivante est claire :
Rappelle-moi d’envoyer le contrat à 16 h.
La suivante suppose une intégration externe qui n’est pas forcément disponible :
Envoie automatiquement le contrat à mon client à 16 h.
Dans le second cas, vérifiez l’existence d’une intégration officielle et les autorisations accordées. À défaut, utilisez ChatGPT pour préparer le message, puis envoyez-le manuellement.
ChatGPT Tasks est pratique pour les habitudes et les rappels ordinaires, mais plusieurs précautions sont nécessaires.
Pour les médicaments, les urgences, les échéances juridiques, les paiements importants ou les rendez-vous médicaux, utilisez un outil spécialisé en complément :
Les notifications peuvent être bloquées, retardées ou masquées par les réglages de l’appareil.
Évitez d’inscrire dans le texte d’une tâche :
Le contenu d’une tâche est lié au compte ChatGPT et peut apparaître dans une notification ou un e-mail.
Une tâche créée une seule fois peut devenir gênante si elle est oubliée. Faites régulièrement le tri dans la liste des tâches, notamment pour les routines quotidiennes et hebdomadaires.
Utilisez ce modèle :
[Action] le [date ou fréquence] à [heure], [fuseau horaire]. Préviens-moi avec le message suivant : [texte].
Exemple :
Rappelle-moi tous les jours ouvrés à 8 h 45, heure de Paris, de consulter mon agenda avant de commencer ma journée. Utilise une notification courte.
Les meilleures pratiques sont les suivantes :
ChatGPT Tasks convient particulièrement aux rappels formulés naturellement et aux routines générées par l’IA. Une application de calendrier reste préférable pour les rendez-vous impliquant plusieurs personnes, les invitations, les lieux, les fuseaux horaires complexes et les événements professionnels officiels.
Le choix dépend de l’objectif :
En règle générale, ChatGPT Tasks envoie des notifications via ChatGPT et éventuellement par e-mail. L’envoi automatique de SMS n’est pas garanti et nécessite une intégration spécifique.
Oui, elles sont conçues pour être exécutées même lorsque l’application n’est pas ouverte. La réception de l’alerte dépend toutefois des notifications, de la connexion Internet et des réglages de l’appareil.
La création et la gestion des tâches peuvent être limitées dans les conversations vocales. Pour une configuration fiable, utilisez une conversation texte classique et vérifiez la confirmation affichée.
Oui. Il suffit de fournir une date et une heure précises :
Rappelle-moi le 20 septembre 2026 à 11 h de renouveler mon assurance.
Les tâches peuvent être suspendues ou supprimées individuellement depuis leur espace de gestion. Les paramètres de notification permettent également de contrôler les canaux utilisés, comme les notifications push ou les e-mails.
ChatGPT Tasks permet de programmer des rappels ponctuels ou récurrents en langage naturel. Pour obtenir un résultat fiable, indiquez une date, une heure, une fréquence et, si nécessaire, le fuseau horaire Europe/Paris. Vérifiez ensuite la confirmation de la tâche et activez les notifications dans ChatGPT comme sur votre appareil.
La fonctionnalité est particulièrement utile pour les routines personnelles, les suivis professionnels et les contenus récurrents. Elle ne remplace toutefois pas un calendrier ou une alarme pour les échéances critiques. Enfin, surveillez régulièrement vos tâches actives, car une limite de 10 tâches simultanées a été annoncée et les conditions d’accès peuvent évoluer selon le forfait ChatGPT.
65 milliards de dollars en une seule opération : Anthropic vient de franchir un seuil financier que peu d’entreprises technologiques privées ont approché. Avec une valorisation post-money de 965 milliards de dollars, le laboratoire dépasse désormais OpenAI et transforme le duel entre les deux acteurs américains en affrontement pour la domination commerciale de l’IA.
Anthropic a annoncé le 28 mai 2026 une levée de fonds en série H d’un montant de 65 milliards de dollars. L’opération valorise l’entreprise à 965 milliards de dollars après investissement, soit une valeur implicite de 900 milliards avant l’arrivée des nouveaux capitaux.
Il s’agit de l’une des plus importantes levées jamais réalisées par une société technologique non cotée. Elle propulse Anthropic dans une catégorie à part : celle des entreprises capables de réunir des montants comparables à ceux de groupes déjà introduits en Bourse, tout en restant dépendantes des marchés privés.
Cette opération fait également d’Anthropic la première entreprise spécialisée dans l’intelligence artificielle à s’approcher du seuil symbolique des 1 000 milliards de dollars de valorisation. La société était encore présentée, il y a peu, comme le laboratoire prudent de l’écosystème — davantage concentré sur la sécurité des modèles que sur la conquête commerciale. Cette image ne correspond plus à son poids financier.
Selon Anthropic, son revenu annualisé a dépassé 47 milliards de dollars au début du mois de mai. Ce chiffre doit toutefois être interprété avec précision : il s’agit d’un run rate, c’est-à-dire une projection annualisée à partir du rythme de revenus observé, et non du chiffre d’affaires effectivement enregistré sur douze mois. Il ne renseigne pas non plus directement sur les marges ou sur les coûts d’infrastructure nécessaires pour servir les modèles.
Le duel avec OpenAI ne se joue plus seulement sur la qualité des modèles ou la notoriété des assistants grand public. La valorisation issue de cette série H place Anthropic devant son rival dans le classement des sociétés privées de l’IA.
Cette avance ne signifie pas nécessairement qu’Anthropic dispose d’une base d’utilisateurs plus large. Elle traduit plutôt la confiance des investisseurs dans sa capacité à convertir ses modèles en revenus d’entreprise. Les contrats avec les grands groupes, les accès aux interfaces de programmation et les outils destinés aux développeurs semblent désormais peser davantage dans les valorisations que la seule audience des assistants conversationnels.
La différence est stratégique. OpenAI reste fortement associé à ChatGPT et à une distribution grand public considérable. Anthropic, de son côté, a construit une position plus étroitement liée aux usages professionnels de Claude, à l’intégration dans les environnements de travail et à l’automatisation des tâches complexes.
Le montant de la série H suggère que les investisseurs évaluent désormais l’IA comme une infrastructure logicielle mondiale, et non plus comme une simple nouvelle catégorie de produits. Une entreprise capable de devenir un fournisseur central de modèles pour les banques, les cabinets de conseil, les éditeurs de logiciels et les grands services informatiques peut justifier des revenus récurrents beaucoup plus élevés qu’un assistant vendu directement aux particuliers.
Le principal moteur de cette accélération semble se trouver du côté des agents de code. Ces systèmes ne se contentent plus de générer une fonction ou de répondre à une question technique : ils peuvent analyser un dépôt, modifier plusieurs fichiers, lancer des tests, corriger des erreurs et participer à la maintenance d’une application.
Pour les entreprises, la valeur est mesurable. Un agent performant peut réduire le temps consacré au développement, au débogage ou à la documentation. Il peut aussi agir comme une couche d’automatisation au-dessus d’outils déjà utilisés par les équipes informatiques.
Cette évolution explique pourquoi les revenus d’Anthropic peuvent progresser rapidement malgré des coûts de calcul très élevés. Les clients professionnels sont susceptibles de payer plusieurs milliers, voire plusieurs millions de dollars par an pour des accès sécurisés, des volumes importants et des garanties contractuelles. Le prix ne dépend alors plus seulement du nombre de conversations, mais de la quantité de travail logiciel exécutée par le modèle.
La croissance des agents crée toutefois une contrainte économique. Plus un modèle agit de manière autonome, plus il consomme de puissance de calcul, notamment lorsqu’il doit vérifier ses réponses, exécuter du code ou multiplier les étapes de raisonnement. Les 65 milliards de dollars levés serviront donc autant à soutenir l’expansion commerciale qu’à financer les capacités de calcul, les centres de données et les accords d’approvisionnement nécessaires.
À 965 milliards de dollars, Anthropic n’est plus valorisée comme une jeune pousse prometteuse, mais comme un futur pilier de l’économie numérique. Une telle estimation suppose une croissance durable, une amélioration des marges et une capacité à conserver ses clients malgré la concurrence de Google, Microsoft, Meta et OpenAI.
Le risque principal tient au coût de cette course. Les modèles les plus avancés exigent des investissements massifs en semi-conducteurs, en énergie et en infrastructures. Les fournisseurs de cloud et de puces captent une part importante de la valeur créée, tandis que les laboratoires doivent maintenir leurs prix suffisamment bas pour accélérer l’adoption.
La dépendance à quelques partenaires constitue un autre point de vigilance. Les modèles d’Anthropic sont distribués à travers des plateformes cloud et des environnements professionnels qui peuvent également héberger des solutions concurrentes. La société devra donc démontrer que sa technologie justifie une préférence durable, au-delà de la disponibilité de modèles comparables.
Cette question dépasse le seul cas d’Anthropic. Le rapport préliminaire du panel scientifique indépendant de l’ONU consacré à l’IA, publié en juillet 2026, rappelle que l’expansion des systèmes avancés s’accompagne d’enjeux de gouvernance, de sécurité et de concentration industrielle. Plus les montants engagés augmentent, plus la pression s’intensifie pour obtenir des résultats commerciaux rapides — avec le risque de réduire la sécurité à un argument de communication plutôt qu’à une contrainte opérationnelle.
La série H donne à Anthropic les moyens de soutenir une offensive mondiale, mais elle augmente aussi le niveau d’exigence. Avec une valorisation proche de 1 000 milliards de dollars, la croissance du revenu ne suffira plus : les investisseurs devront voir apparaître une trajectoire crédible vers des marges positives.
Le prochain jalon concret sera donc la confirmation de ce revenu annualisé de 47 milliards de dollars dans des résultats détaillés, accompagnée d’indications sur les coûts de calcul, la concentration des clients et la part réellement générée par les entreprises. La capacité d’Anthropic à transformer ses agents de code en contrats récurrents et rentables déterminera si cette opération marque l’ascension durable d’un nouveau leader — ou le sommet financier d’une course encore largement alimentée par les capitaux privés.
Demis Hassabis ne quitte pas Google DeepMind : il abandonne son pilotage quotidien pour se consacrer à l’objectif qui structure désormais toute la stratégie d’Alphabet, l’intelligence artificielle générale — ou AGI. Le remaniement, annoncé le 5 août 2026, intervient alors que Google considère la compétition technologique comme entrée dans une phase plus décisive.
Après avoir dirigé Google DeepMind depuis sa création en 2023, Demis Hassabis devient président de la division et Chief Scientist d’Alphabet. Il conserve donc un rôle central dans les orientations scientifiques du groupe, mais ne sera plus responsable de l’exécution quotidienne des activités du laboratoire.
Cette distinction est importante. Le poste de CEO implique la gestion des équipes, des budgets, des priorités de produits et de la coordination avec les autres branches de Google. La nouvelle fonction de Hassabis doit lui permettre de se concentrer sur les travaux de long terme : architecture des modèles, raisonnement, agents autonomes, sécurité et conditions nécessaires au développement d’une AGI.
Pour Alphabet, cette réorganisation traduit une volonté de séparer plus nettement la recherche stratégique de la conduite opérationnelle. Google DeepMind n’est plus un laboratoire isolé chargé d’explorer les possibilités de l’IA. Il constitue désormais le centre de gravité d’une activité qui touche les moteurs de recherche, le cloud, les smartphones, la publicité et les outils de productivité du groupe.
Hassabis continuera également à diriger Isomorphic Labs, la filiale d’Alphabet spécialisée dans la découverte de médicaments grâce à l’IA. Fondée sur les travaux de DeepMind en biologie computationnelle, notamment autour d’AlphaFold, cette structure poursuit une trajectoire distincte, à la frontière entre recherche fondamentale, industrie pharmaceutique et développement de traitements.
La direction effective de Google DeepMind doit revenir à Koray Kavukcuoglu, jusqu’ici directeur technique de l’unité. Il rendra compte directement à Sundar Pichai, CEO de Google et d’Alphabet.
Ce rattachement direct au sommet du groupe constitue un signal de priorité. Il réduit la distance entre les décisions de Google DeepMind et celles d’Alphabet, au moment où les modèles d’IA sont devenus un enjeu commercial et industriel majeur pour Google. Kavukcuoglu devra notamment arbitrer entre les besoins de la recherche, les contraintes de déploiement à grande échelle et les demandes des différentes divisions de Google.
Son profil correspond à cette phase plus opérationnelle. En tant que CTO, il a déjà participé à la coordination technique des travaux de DeepMind et à leur intégration dans les produits du groupe. Sa mission ne consistera pas seulement à poursuivre les programmes de recherche : il devra transformer plus rapidement les avancées du laboratoire en systèmes utilisés par des millions de personnes et par les clients de Google Cloud.
La ligne hiérarchique directe avec Sundar Pichai peut aussi être lue comme une réponse aux tensions classiques entre laboratoire de recherche et grande entreprise technologique. Les modèles les plus avancés nécessitent des investissements considérables en puces, en centres de données et en données d’entraînement. Ils doivent en parallèle répondre à des objectifs de fiabilité, de sécurité et de rentabilité. La nouvelle organisation place ces arbitrages au niveau d’Alphabet.
Le remaniement ne concerne pas uniquement Hassabis. Jeff Dean quitte son poste de Chief Scientist de Google DeepMind pour lancer une nouvelle startup avec trois autres figures de l’IA de Google.
Cette décision retire à Google l’un de ses dirigeants scientifiques les plus expérimentés. Dean a joué un rôle majeur dans l’infrastructure logicielle et matérielle de Google, ainsi que dans le développement des technologies d’apprentissage automatique du groupe. Son départ vers une structure indépendante illustre aussi l’attractivité financière et scientifique du secteur de l’IA avancée.
Il ne s’agit pas nécessairement d’un désaveu de la stratégie de Google DeepMind. Le départ de Dean intervient dans une période où les chercheurs et ingénieurs capables de concevoir de nouveaux systèmes d’IA disposent d’une forte capacité à créer leur propre entreprise. Mais, pour Alphabet, il représente une perte de capital intellectuel au moment où la compétition se joue également sur les équipes et la vitesse d’exécution.
La combinaison des deux mouvements redessine l’équilibre historique du laboratoire. Hassabis se recentre sur la direction scientifique et la vision à long terme. Kavukcuoglu prend la responsabilité de l’opérationnel. Dean sort de l’organisation pour construire un nouvel acteur. La continuité dépendra de la capacité de Google à éviter une dispersion de ses compétences clés.
Le terme AGI reste volontairement imprécis. Il désigne généralement une IA capable d’accomplir une grande variété de tâches intellectuelles avec un niveau de généralité comparable, ou supérieur, à celui d’un humain. Aucun critère universel ne permet toutefois de déterminer si un système a atteint ce stade.
La nouvelle fonction de Hassabis ne signifie donc pas qu’Alphabet annonce une échéance ou un produit précis. Elle indique plutôt que le groupe veut donner davantage de temps à son dirigeant scientifique pour travailler sur les problèmes qui ne se règlent pas par une simple amélioration de modèle : fiabilité du raisonnement, mémoire, autonomie, compréhension du monde, alignement et contrôle des systèmes.
Cette concentration pourrait également servir à coordonner les travaux de Google DeepMind avec les infrastructures d’Alphabet. La course à l’AGI dépend autant des algorithmes que des capacités de calcul, de la disponibilité des données, des outils de déploiement et des mécanismes de sécurité. Le poste de Chief Scientist d’Alphabet place Hassabis à un niveau où il pourra peser sur l’ensemble de ces leviers.
Le risque est symétrique : en éloignant le principal visage de DeepMind de la gestion quotidienne, Google peut gagner en profondeur stratégique mais perdre en cohérence opérationnelle. La réussite du remaniement se mesurera à la capacité de Kavukcuoglu à maintenir un rythme élevé de livraison sans affaiblir la recherche de long terme.
Le prochain jalon sera concret : la manière dont Google DeepMind organisera son leadership autour de Kavukcuoglu et les résultats visibles de ses prochains modèles. Dans les 12 à 18 mois, les indicateurs les plus révélateurs seront la fréquence des lancements, l’adoption dans Google Cloud et les produits grand public, ainsi que les progrès mesurables en raisonnement et en autonomie. La nouvelle architecture devra prouver qu’elle accélère réellement la marche vers l’AGI, sans sacrifier la maîtrise technique et la sécurité qui conditionnent son déploiement.
Canvas de ChatGPT est un espace d’édition conçu pour rédiger, corriger et améliorer vos textes directement dans ChatGPT. Ce guide explique comment utiliser Canvas de ChatGPT pour éditer un texte, modifier un passage précis, optimiser le style, structurer un article et exporter la version finale.
Canvas est un espace de travail intégré à ChatGPT, distinct de la conversation classique. Il permet de travailler sur un document long ou sur un extrait en combinant :
Dans une conversation standard, ChatGPT répond généralement sous forme de messages successifs. Avec Canvas, le contenu devient un document de travail modifiable, plus pratique pour rédiger un article, une page commerciale, un rapport, une lettre, un scénario ou un dossier SEO.
L’accès à Canvas dépend de la version de ChatGPT, du type de compte, du pays et du déploiement en cours. La fonctionnalité a été progressivement proposée aux utilisateurs gratuits et payants, mais les modèles disponibles, les limites d’utilisation et certaines options peuvent varier.
Canvas ne constitue généralement pas un abonnement séparé. Si l’option n’apparaît pas :
Les intitulés exacts de l’interface peuvent évoluer. Les indications comme Canvas, Ouvrir dans Canvas ou Créer un espace Canvas peuvent donc varier.
Canvas est particulièrement utile dès qu’un texte nécessite plusieurs cycles de modification. Il évite de copier-coller continuellement le contenu entre ChatGPT et un traitement de texte.
1. Modifier uniquement le passage nécessaire
Il est possible de sélectionner un paragraphe, une phrase ou une liste, puis de demander une action précise. Le reste du document reste inchangé, ce qui limite les réécritures inutiles.
2. Obtenir une vision globale du document
Le contenu est affiché dans un espace dédié. Cette présentation facilite l’évaluation de la longueur, de la structure, des titres et de la cohérence d’ensemble.
3. Combiner édition manuelle et intelligence artificielle
Le texte peut être directement corrigé au clavier. ChatGPT peut ensuite intervenir sur la formulation, le ton, la structure ou la clarté.
4. Revenir à une version précédente
L’historique permet de comparer différentes versions ou d’annuler une modification trop importante. Cette fonction est pratique lorsqu’une réécriture modifie excessivement le style original.
5. Travailler avec des consignes précises
Canvas peut recevoir des instructions comme :
Plusieurs méthodes peuvent être disponibles selon l’interface.
Dans la zone de saisie, écrivez par exemple :
Ouvre un Canvas et aide-moi à éditer le texte suivant sans modifier son idée principale.
Ajoutez ensuite le contenu à corriger. ChatGPT peut ouvrir automatiquement l’espace de travail lorsque la demande concerne un document long ou une réécriture structurée.
Si ChatGPT a déjà généré un texte dans la conversation, demandez :
Transforme cette réponse en document Canvas afin que je puisse la relire et la modifier.
Cette méthode est pratique pour retravailler un article, une lettre ou un plan déjà produit.
Avant de demander une réécriture, précisez le type de texte et son objectif. Une consigne vague produit souvent une modification trop générale.
Indiquez si le document est :
Précisez également le public visé, le niveau de langage, la longueur souhaitée et le résultat attendu.
Exemple :
Ce texte est destiné à des dirigeants de PME. Corrige la syntaxe, simplifie les phrases longues et conserve un ton professionnel, concret et accessible.
Copiez le texte dans Canvas ou demandez à ChatGPT de travailler sur le contenu déjà présent dans la conversation. Pour un document long, ajoutez une consigne générale dès le départ.
Exemple :
Voici un article de 1 500 mots. Améliore sa lisibilité sans supprimer les informations importantes. Conserve les titres, les chiffres et les exemples. N’ajoute aucune information non vérifiée.
Avant de réécrire, demandez un diagnostic. Cette étape permet d’identifier les problèmes sans modifier immédiatement le contenu.
Exemple :
Analyse ce texte et liste les problèmes de structure, de clarté, de répétition et de cohérence. Ne réécris pas encore le document.
ChatGPT peut alors relever :
Pour une révision globale, donnez une instruction détaillée et indiquez les éléments à préserver.
Exemple :
Réécris l’ensemble du texte dans un style plus fluide. Conserve la structure H2 et H3, les données chiffrées et les exemples. Réduis les répétitions. Ne change pas le sens des affirmations.
Il est préférable de procéder par étapes plutôt que de demander simultanément une correction, une optimisation SEO, une réduction de longueur et un changement de ton. Des objectifs trop nombreux peuvent produire un texte artificiel ou éloigné de la version originale.
La sélection locale constitue l’un des principaux intérêts de Canvas.
Exemples de demandes ciblées :
Reformule ce paragraphe en deux phrases plus courtes.
Corrige uniquement les erreurs de grammaire. Ne change pas le vocabulaire.
Rends cette explication compréhensible par un lecteur qui ne connaît pas le sujet.
Ajoute une transition naturelle entre ces deux paragraphes.
Supprime les formulations trop promotionnelles, mais conserve l’argument principal.
Canvas peut proposer des raccourcis d’édition. Les options exactes peuvent varier, mais elles incluent généralement des fonctions comme :
Ces commandes sont utiles pour aller vite, mais une instruction personnalisée reste souvent plus précise.
Après chaque réécriture, contrôlez :
Utilisez l’historique de Canvas pour comparer la nouvelle version avec la précédente. Une reformulation réussie doit améliorer le texte sans effacer la voix de son auteur.
Corrige l’orthographe, la grammaire, la conjugaison et la ponctuation. Ne modifie ni le style ni le contenu.
Cette formulation convient à un texte déjà bien rédigé dont les erreurs sont principalement linguistiques.
Simplifie les phrases longues, remplace les formulations ambiguës et améliore les transitions. Conserve le niveau de précision et les informations existantes.
Réécris ce texte dans un ton professionnel, direct et rassurant. Évite le jargon, les exagérations et les formules trop commerciales.
Adapte ce texte à un public débutant. Explique les termes techniques lors de leur première utilisation et ajoute un exemple concret si nécessaire.
Réduis ce texte à environ 600 mots. Garde l’introduction, les arguments principaux et la conclusion. Supprime les répétitions plutôt que les informations essentielles.
Développe cette section avec deux exemples concrets et une explication étape par étape. N’invente pas de statistiques ni de références.
Améliore la syntaxe et la fluidité, mais conserve le vocabulaire, le ton et le niveau de formalité de l’auteur. Évite une réécriture trop éloignée du texte original.
Canvas peut aider à préparer un contenu pour Google, mais il ne remplace ni l’analyse de la concurrence ni la vérification dans les résultats de recherche.
Demandez à Canvas d’identifier ce que le lecteur souhaite réellement obtenir.
Exemple :
Analyse l’intention de recherche associée au mot-clé « logiciel de gestion de projet ». Indique les questions secondaires auxquelles l’article doit répondre.
Les intentions peuvent être informationnelles, commerciales, transactionnelles ou navigationnelles.
Demandez une structure logique avec des titres H2 et H3.
Organise cet article avec une introduction, des H2 et des H3. Chaque titre doit répondre à une question précise du lecteur. Évite les titres vagues et les répétitions.
Une bonne structure peut couvrir les questions qu’est-ce que, pourquoi, comment, combien, quand et quelles limites.
Intègre naturellement le mot-clé principal « utiliser Canvas de ChatGPT » ainsi que les expressions « éditer un texte avec ChatGPT », « corriger un texte dans Canvas » et « réécrire un document ». Évite la répétition artificielle.
Les mots-clés doivent rester au service de la compréhension. Le bourrage de mots-clés peut dégrader la qualité du texte et sa crédibilité.
Canvas peut proposer :
Exemple :
Ajoute une FAQ de six questions sur l’utilisation de Canvas pour éditer un article. Réponds en deux ou trois phrases par question et ne répète pas les sections principales.
Il est possible de demander une proposition de :
Cependant, la longueur et l’efficacité d’une balise title ou d’une méta-description doivent être vérifiées dans le contexte réel du site. ChatGPT ne connaît pas automatiquement le positionnement, les concurrents ou les données de Search Console.
Canvas peut repérer des affirmations qui semblent douteuses ou demander une vérification, mais il ne faut pas considérer ses réponses comme une validation automatique.
Pour améliorer la fiabilité :
Repère toutes les affirmations factuelles de ce texte qui nécessitent une vérification. Pour chacune, indique le type de source à consulter. Ne remplace pas les données par des chiffres inventés.
Les éléments suivants doivent être vérifiés avec des sources fiables :
Canvas ne garantit pas non plus l’absence de plagiat. Un texte généré ou réécrit doit être relu, contextualisé et, lorsque cela est nécessaire, comparé avec les sources utilisées.
Une fois les modifications terminées :
Le formatage peut légèrement changer lors d’un export. Contrôlez notamment les titres, les sauts de ligne, les listes à puces, les caractères spéciaux et les liens hypertexte.
Une consigne comme « améliore ce texte » peut conduire ChatGPT à modifier le vocabulaire, le ton ou les arguments. Pour limiter ce risque, précisez les éléments à conserver.
Sur un document long, certains détails peuvent être moins bien pris en compte. Rappelez les contraintes importantes dans la consigne et travaillez section par section si nécessaire.
Canvas peut reformuler une erreur sans la détecter ou introduire une information incorrecte. Toute donnée sensible doit être vérifiée indépendamment.
Canvas peut organiser un texte et suggérer des mots-clés, mais il ne fournit pas automatiquement des données fiables sur le volume de recherche, la difficulté SEO ou les performances d’une requête.
Les boutons, raccourcis, modèles compatibles et formats d’export peuvent évoluer. Si une commande n’apparaît pas, utilisez une instruction écrite directement dans la conversation.
Canvas est préférable pour :
Une conversation classique peut suffire pour :
Avant de publier ou d’envoyer le document, vérifiez les points suivants :
Canvas de ChatGPT transforme une conversation en espace d’édition structuré. Pour l’utiliser efficacement, commencez par définir l’objectif du texte, ouvrez un document Canvas, demandez une analyse, puis procédez par modifications ciblées.
La sélection d’un passage permet de corriger une phrase ou de changer le ton sans réécrire tout le document. Les commandes de Canvas peuvent accélérer la correction, le raccourcissement, l’ajout de contenu et l’adaptation du niveau de lecture. Pour un usage SEO, l’outil aide à structurer l’article, répondre aux questions secondaires et améliorer la lisibilité, mais il ne remplace pas la recherche de mots-clés ni la vérification éditoriale.
La meilleure méthode consiste à utiliser Canvas comme assistant d’édition, tout en conservant une validation humaine pour le style, les faits, les sources et la version finale.
Après avoir consacré des milliards de dollars à l’achat de capacités de calcul, OpenAI s’attaque désormais à la pièce la plus stratégique de cette infrastructure : la puce. Le groupe a annoncé le 24 juin 2026, avec Broadcom, la conception d’un composant dédié à l’inférence des grands modèles de langage, avec un objectif clair : réduire le coût de chaque requête et desserrer l’étau de sa dépendance à Nvidia.
L’inférence désigne l’exécution d’un modèle déjà entraîné pour produire une réponse à partir d’une requête. À la différence de l’entraînement, qui mobilise des grappes de processeurs pendant de longues périodes, cette phase se répète à chaque question posée à un assistant, chaque image générée ou chaque appel d’API.
À grande échelle, le coût cumulé devient considérable. Chaque interaction mobilise de la mémoire, de la puissance de calcul et des systèmes de refroidissement. Plus les modèles sont volumineux et plus les réponses sont longues, plus la facture augmente. Pour un acteur comme OpenAI, dont les services sont sollicités par des millions d’utilisateurs et d’entreprises, améliorer l’efficacité de l’inférence peut avoir un impact direct sur les coûts d’exploitation.
La puce annoncée avec Broadcom doit être conçue spécifiquement pour cette charge de travail. Contrairement à un composant généraliste, elle pourra être adaptée aux opérations les plus fréquentes des grands modèles de langage : multiplication de matrices, gestion de la mémoire et traitement des séquences de tokens. L’objectif n’est pas nécessairement de remplacer tous les processeurs utilisés par OpenAI, mais de disposer d’un outil mieux ajusté à ses propres modèles et à leur mode d’utilisation.
Cette annonce marque un changement de position pour OpenAI. Jusqu’ici, l’entreprise s’est principalement appuyée sur les processeurs graphiques de Nvidia et sur les capacités de calcul fournies par ses partenaires du cloud, en particulier Microsoft. Cette stratégie lui a permis d’augmenter rapidement ses capacités sans construire seule l’ensemble de son infrastructure matérielle.
Mais cette dépendance crée plusieurs contraintes. Les accélérateurs de Nvidia sont très demandés, leur disponibilité reste un enjeu industriel et leur prix pèse lourdement sur les budgets des entreprises d’IA. À cela s’ajoutent les coûts associés aux serveurs, au réseau, à l’électricité et au refroidissement. Même avec des revenus importants, les services d’IA générative restent difficiles à rentabiliser lorsque les requêtes nécessitent une puissance de calcul élevée.
Concevoir une puce propriétaire permettrait à OpenAI d’agir sur plusieurs paramètres à la fois : les performances par watt, la quantité de mémoire, la circulation des données entre les composants et l’intégration dans les centres de données. L’entreprise pourrait également ajuster plus rapidement le matériel à l’évolution de ses modèles, au lieu de dépendre uniquement du calendrier des fabricants de processeurs.
Cette démarche ne signifie toutefois pas qu’OpenAI abandonne Nvidia. Le groupe aura probablement besoin d’un portefeuille de composants complémentaires, combinant des accélérateurs généralistes pour l’entraînement et des puces spécialisées pour certains scénarios d’inférence. Une architecture diversifiée peut aussi limiter le risque lié à une rupture d’approvisionnement ou à la hausse des prix d’un fournisseur unique.
Le partenariat avec Broadcom est déterminant. Concevoir une puce ne consiste pas seulement à définir une architecture adaptée à un modèle d’IA. Il faut aussi la transformer en produit manufacturable, vérifier sa fiabilité, organiser sa production et l’intégrer dans des serveurs capables de fonctionner en continu.
Broadcom dispose d’une expérience importante dans les composants destinés aux centres de données et dans les circuits personnalisés, souvent désignés comme ASIC (Application-Specific Integrated Circuit). Ce type de puce est conçu pour une fonction précise et peut offrir une meilleure efficacité qu’un processeur polyvalent lorsque la charge de travail est stable et suffisamment importante.
Le partenariat répond donc à une logique complémentaire. OpenAI maîtrise les modèles, les usages et les contraintes logicielles. Broadcom apporte les compétences liées à la conception physique, à l’interconnexion des composants et à la fabrication à grande échelle. L’enjeu sera de faire correspondre le comportement des modèles avec les caractéristiques exactes du silicium.
Cette coopération pourrait aussi s’inscrire dans une tendance plus large du secteur. Plusieurs grandes entreprises technologiques développent déjà leurs propres accélérateurs afin de limiter leur exposition aux fournisseurs de processeurs généralistes. Google dispose de ses TPU, Amazon développe ses puces Trainium et Inferentia, tandis que Microsoft travaille sur ses propres composants pour ses centres de données. La maîtrise du matériel devient un moyen de contrôler les coûts et de différencier les services d’IA.
L’annonce reste cependant incomplète sur les points les plus concrets. OpenAI et Broadcom n’ont détaillé ni le calendrier industriel, ni les volumes prévus, ni les performances attendues. Aucun chiffre public ne permet donc encore de mesurer l’écart avec les solutions de Nvidia, ou de savoir quand la puce pourra être déployée dans des centres de données opérationnels.
Ces informations seront décisives. Une puce spécialisée n’est avantageuse que si elle peut être produite en quantité, intégrée sans difficulté dans l’infrastructure existante et exploitée par les logiciels d’OpenAI. Les gains théoriques peuvent être réduits par des problèmes de mémoire, de communication entre serveurs ou de compatibilité avec les différentes versions des modèles.
Le calendrier est également un facteur de risque. La conception d’un accélérateur, sa validation et sa mise en production nécessitent plusieurs étapes et peuvent prendre des années. Entre-temps, les modèles d’OpenAI peuvent évoluer, avec des architectures plus longues, davantage de raisonnement ou de nouvelles modalités comme la voix et la vidéo. Une puce optimisée pour une génération de modèles pourrait perdre une partie de son avantage si les usages changent rapidement.
Pour OpenAI, l’intérêt de cette puce ne se résume pas à une réduction du prix d’achat des processeurs. Il s’agit de reprendre une partie du contrôle sur l’économie de ses services. Chaque amélioration du coût de l’inférence peut se traduire par des marges plus élevées, des abonnements plus compétitifs ou l’accès à des modèles plus puissants sans hausse équivalente de la facture.
Le prochain jalon sera donc mesurable : publication du calendrier de production, annonce des premiers volumes et démonstration de gains précis en coût par requête ou en performance par watt. Sans ces données, le projet reste une orientation stratégique prometteuse plutôt qu’une alternative établie à Nvidia. Mais le signal est déjà net : après avoir acheté massivement du calcul, OpenAI cherche désormais à en contrôler une partie essentielle, jusque dans le silicium.
Le modèle « intermédiaire » d’Anthropic s’attaque désormais aux missions jusque-là réservées à sa gamme la plus chère. Avec Claude Sonnet 5, lancé le 30 juin 2026, l’entreprise veut rapprocher les performances d’un modèle agentique de celles d’Opus 4.8, tout en maintenant une facture nettement inférieure.
Anthropic présente Claude Sonnet 5 comme son modèle Sonnet « le plus agentique à ce jour ». La promesse ne repose pas uniquement sur de meilleurs scores de raisonnement ou de programmation : le modèle est conçu pour enchaîner plusieurs actions, planifier une tâche, utiliser un navigateur ou un terminal, puis poursuivre son travail de manière autonome.
Cette orientation vise des usages plus complexes qu’une simple génération de texte. Claude Sonnet 5 peut, par exemple, découper un objectif en sous-tâches, exécuter des commandes, consulter des ressources en ligne et ajuster sa stratégie en fonction des résultats obtenus. Il s’inscrit ainsi dans la montée en puissance des agents IA, capables d’interagir avec des outils plutôt que de produire une réponse isolée.
Anthropic affirme que ses performances se rapprochent de celles d’Opus 4.8, le modèle présenté comme le plus puissant de sa gamme. La formulation est importante : Sonnet 5 n’est pas décrit comme équivalent à Opus sur tous les critères, mais comme suffisamment performant pour réduire l’écart sur les tâches nécessitant du raisonnement, du code et l’utilisation d’outils.
Cette évolution brouille la séparation traditionnelle entre les modèles haut de gamme et les versions plus accessibles. Dans la gamme Anthropic, Sonnet occupait jusqu’ici une position intermédiaire : plus rapide et moins coûteux qu’Opus, mais destiné à des missions moins exigeantes. Sonnet 5 cherche désormais à couvrir une partie des scénarios qui justifiaient le recours au modèle le plus cher.
Le principal argument de Sonnet 5 tient aussi à son tarif. Jusqu’au 31 août 2026, Anthropic facture le modèle 2 dollars par million de tokens en entrée et 10 dollars par million de tokens en sortie. À partir du 1er septembre 2026, ces prix passeront respectivement à 3 dollars et 15 dollars.
La différence entre les deux types de tokens est déterminante. Les tokens d’entrée correspondent aux instructions, documents et historiques transmis au modèle. Les tokens de sortie couvrent le contenu généré, mais aussi les étapes intermédiaires susceptibles d’être produites lors d’une longue séquence agentique. Or un agent qui planifie, appelle plusieurs outils et vérifie ses résultats peut consommer beaucoup plus de tokens qu’un assistant répondant en un seul tour.
Le tarif promotionnel constitue donc un levier d’adoption, en particulier pour les entreprises qui veulent tester des agents sur des environnements de développement, des terminaux ou des outils internes. Il donne également aux équipes un délai de deux mois pour mesurer le coût réel de ces workflows avant la hausse annoncée.
Le passage à 3 dollars en entrée et 15 dollars en sortie ne remet toutefois pas en cause la stratégie d’Anthropic : proposer un modèle suffisamment capable pour des tâches complexes, sans appliquer le prix associé à Opus. L’enjeu est de déplacer le choix par défaut des développeurs vers Sonnet, y compris lorsque la tâche exige une autonomie prolongée.
Anthropic indique que Claude Sonnet 5 dépasse Sonnet 4.6 dans plusieurs domaines : le raisonnement, le code et l’usage d’outils. Ces catégories sont particulièrement importantes pour les agents, car leur efficacité dépend moins d’une réponse brillante que de la capacité à conserver un objectif, interpréter le résultat d’une action et décider de l’étape suivante.
Sur le code, cette progression peut se traduire par une meilleure capacité à comprendre une base existante, modifier plusieurs fichiers ou diagnostiquer un échec de compilation. Dans l’usage d’outils, elle concerne notamment la sélection de la bonne action, la gestion des retours et la poursuite d’une séquence sans supervision constante.
Mais ces gains ne doivent pas être interprétés comme une maîtrise uniforme de toutes les tâches. La fiche système de Claude Sonnet 5 signale notamment un taux de réussite de 0 % sur un benchmark consacré à l’exploitation de vulnérabilités dans Firefox. Ce résultat indique que le modèle n’a pas réussi les scénarios évalués dans ce test précis.
Ce score constitue un rappel utile : un modèle peut progresser sur le raisonnement général, le développement logiciel et l’orchestration d’outils, tout en restant inefficace sur une classe particulière de tâches de sécurité. Les benchmarks agentiques sont fortement dépendants de l’environnement, des outils disponibles, de la durée accordée et de la définition exacte de la réussite.
La capacité à fonctionner de manière autonome apporte un gain de productivité, mais elle élargit également la surface d’échec. Une erreur dans la planification peut être répétée sur plusieurs étapes. Une mauvaise interprétation d’un résultat peut entraîner une modification de code inappropriée, l’exécution d’une commande inutile ou une série d’actions coûteuses.
Pour les entreprises, la question ne sera donc pas seulement de savoir si Sonnet 5 produit une meilleure réponse que Sonnet 4.6. Il faudra mesurer le nombre d’interventions humaines nécessaires, la fréquence des reprises, la consommation de tokens et le coût des actions effectuées par l’agent. Un modèle moins cher à l’appel peut devenir plus coûteux s’il multiplie les tentatives ou s’il exige une surveillance permanente.
Le positionnement d’Anthropic suggère aussi une évolution des offres d’IA : la valeur se déplace progressivement du modèle isolé vers le système complet associant modèle, navigateur, terminal, mémoire et règles d’autorisation. Dans ce cadre, la différence entre Sonnet et Opus ne se mesurera plus uniquement sur des tests de connaissances ou de raisonnement, mais sur la capacité à mener une mission jusqu’à son terme.
Avec Claude Sonnet 5, Anthropic tente de rendre les usages agentiques accessibles à un plus grand nombre d’équipes, sans réserver les tâches complexes à Opus. Le résultat dépendra moins de la proximité revendiquée avec Opus 4.8 que de la fiabilité obtenue dans des environnements professionnels réels.
Le jalon immédiat est fixé au 31 août 2026, date de fin du tarif de lancement. D’ici là, les entreprises pourront comparer le coût complet de Sonnet 5 avec celui d’Opus sur des tâches autonomes : développement, analyse documentaire, opérations techniques ou navigation outillée. Si les performances annoncées se confirment avec un nombre limité de reprises humaines, la catégorie « intermédiaire » pourrait devenir le nouveau point d’entrée des agents d’entreprise.
La triste nouvelle du 16 juillet dernier du décès de Rudolph Arthur Marcus, lauréat du prix Nobel de chimie en 1992, invite à revenir sur son héritage scientifique.
Au-delà de l’équation qui porte son nom, Marcus incarne une époque où l’ambition des chercheurs était de décrire des phénomènes complexes à l’aide de quelques équations élégantes.
Aujourd’hui, le paysage scientifique a profondément évolué. Les modèles d’intelligence artificielle apprennent directement à partir des données, et les prédictions peuvent parfois être obtenues sans qu’une théorie analytique complète ne soit disponible.
La disparition de Marcus soulève alors une question plus large : assiste-t-on à la fin de l’ère des grandes théories analytiques, au seul profit d’études théoriques à base de l’intelligence artificielle ?
Professeur au département de chimie et membre de l’Institut Courtois, de l’Université de Montréal, je mène des recherches sur le stockage de l’énergie dans les batteries au lithium. Mes travaux m’ont naturellement conduit à m’intéresser à la théorie de Marcus et l’intelligence artificielle.
Né le 21 juillet 1923 à Montréal, au Canada, Marcus entreprend des études de chimie à l’Université McGill, où il obtient son doctorat en 1946.
En 1978, Marcus rejoint le California Institute of Technology, où il poursuivra le reste de sa carrière. Plus tôt, c’est pourtant le hasard d’une rencontre lors d’un congrès de l’American Chemical Society qui lui avait ouvert les portes de son premier poste universitaire, à l’Institut polytechnique de Brooklyn. Une anecdote qui rappelle qu’avant la reconnaissance se cache souvent une longue succession d’échecs : Marcus avait essuyé près de trente-cinq refus avant d’obtenir ce poste !
En 1992, Marcus reçoit seul le prix Nobel de chimie, alors que cette distinction était déjà le plus souvent partagée entre plusieurs chercheurs. Si cette récompense consacre l’importance exceptionnelle de ses travaux, certains estiment que d’autres pionniers auraient également mérité une telle reconnaissance. Parmi eux figure Revaz Dogonadze, chef de file de l’école soviétique du transfert d’électron.
À lire aussi : Les récipiendaires de prix Nobel sont des personnes créatives qui sortent des sentiers battus
Rudolph A. Marcus s’est éteint le 16 juillet 2026, à Pasadena aux États-Unis, en Californie, à l’âge de 102 ans, proche de son 103e anniversaire.
L’une des plus grandes réussites de la théorie de Marcus est sans doute d’avoir dépassé le cadre de la chimie. Initialement développée pour expliquer les réactions rédox en solution, elle s’est progressivement élargie à d’autres types de transfert d’électrons. Aujourd’hui, elle est utilisée pour comprendre des phénomènes aussi variés que la biologie, la corrosion des métaux, les cellules solaires, les batteries, ou encore les matériaux moléculaires.
Une réaction rédox est une réaction chimique qui correspond au cas précis d’un échange d’électron entre des molécules. La théorie du transfert d’électron de Marcus décrit justement comment un électron saute d’une molécule qui le possède à une autre qui peut le recevoir.
La théorie de Marcus est indispensable à certaines découvertes en biologie. Elle permet de comprendre comment les électrons circulent entre les protéines au cours de la photosynthèse, comment les cellules produisent leur énergie grâce à la respiration cellulaire, mais aussi comment fonctionnent de nombreuses enzymes impliquées dans les réactions rédox.
Par exemple, elle éclaire également les mécanismes moléculaires à l’origine des cycles rédox responsables de la toxicité de nombreux composés chimiques et médicaments.
Au-delà du vivant, l’une des prédictions les plus surprenantes de la théorie de Marcus est l’existence de la région inversée, longtemps considérée comme contre-intuitive. Cette zone inverse est fort utile en physique. La zone inverse de Marcus révèle qu’une réaction chimique possède une vitesse optimale, au-delà, elle peut ralentir malgré que les conditions soient plus favorables.
Cette prédiction paraissait si étonnante que de nombreux chercheurs la jugeaient irréaliste, c’était un peu comme annoncer qu’une résistance électrique pouvait devenir négative.
Ce n’est que plusieurs décennies plus tard que des expériences confirmèrent l’existence de cette région inversée de Marcus
Au-delà de la zone inverse, l’une des contributions majeures de Marcus est le concept d’énergie de réorganisation. Faisons une expérience de pensée. Imaginons que nous puissions saisir une charge électrique entre nos doigts, un électron ou un ion, puis la déplacer lentement du vide vers un liquide.
Dans le vide, la charge crée autour d’elle un champ électrique, mais aucun atome, aucune molécule ne se déplace pour l’accueillir, car nous sommes dans le vide.
Dès que la charge pénètre dans le liquide, tout change. Les molécules environnantes ressentent son champ électrique. Elles tournent, se déplacent et s’ordonnent autour d’elle. Mais cette réorganisation n’est pas gratuite : elle demande une énergie de réorganisation.
Déjà des milliers d’abonnés à l’infolettre de La Conversation. Et vous ? Abonnez-vous gratuitement à notre infolettre pour mieux comprendre les grands enjeux contemporains.
C’est précisément cette énergie que Marcus est parvenu à démontrer, en combinant les grandes lois de l’électrostatique avec les principes de la thermodynamique.
À contre-courant de son époque, alors que la révolution de la mécanique quantique transformait déjà la chimie théorique, Marcus choisit d’aborder le transfert d’électron sous un angle essentiellement électrostatique.
À lire aussi : Que deviendront nos médias d’information ? Les dilemmes face à l’IA
L’énergie de réorganisation de Marcus est née à une époque où un chercheur disposait essentiellement d’un stylo, de quelques feuilles de papier et d’une remarquable maîtrise des outils mathématiques.
La beauté de cette démarche ne résidait pas seulement dans le résultat final, mais dans le chemin qui y conduisait : une démonstration où chaque ligne découlait naturellement de la précédente, selon la logique implacable du raisonnement scientifique. « Soit A ; alors B. Si B est vrai, alors C. » Une succession d’étapes où les équations racontaient une histoire et révélaient les mécanismes cachés de la nature, qui se finissait par le fameux CQFD (ce qui fallait démontrer).
Le parcours de Marcus illustre une approche de la recherche devenue plus rare. Avant de chercher à publier, il a d’abord cherché à comprendre. Pendant plusieurs années, il s’est immergé dans les mathématiques et l’électrostatique, n’hésitant pas à interrompre ses propres recherches pour acquérir les outils théoriques qui lui manquaient. C’est cette culture scientifique patiemment construite qui lui permettra ensuite de révolutionner la compréhension du transfert d’électron.
Aujourd’hui, le paysage scientifique a profondément changé. L’intelligence artificielle permet souvent de prédire le comportement d’un système sans qu’une démonstration analytique complète soit nécessaire. L’objectif n’est plus toujours de trouver une équation élégante, mais d’exploiter d’immenses volumes de données pour construire des modèles capables de prédire.
Le départ de Marcus marque aussi, symboliquement, la disparition d’une génération de chercheurs pour qui la démonstration analytique constituait le cœur de la découverte scientifique. Une époque où la rigueur du raisonnement suffisait parfois à faire émerger une théorie appelée à transformer durablement notre compréhension du monde.
Marcus nous laisse une démonstration, mais à nous de préserver l’esprit du CQFD.
Olivier Fontaine ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d'une organisation qui pourrait tirer profit de cet article, et n'a déclaré aucune autre affiliation que son organisme de recherche.
Canva AI permet de créer des visuels professionnels rapidement, même sans compétences avancées en design graphique. Ce guide explique comment utiliser Magic Studio, générer des images avec l’IA, produire des présentations et publications pour les réseaux sociaux, respecter une identité visuelle et exporter des créations prêtes à publier.
Canva AI désigne l’ensemble des fonctions d’intelligence artificielle intégrées à Canva. Ces outils sont principalement regroupés dans Magic Studio, l’espace qui centralise les fonctionnalités de génération, de rédaction, de retouche et de transformation de contenus.
Selon le compte utilisé, la langue de l’interface et les évolutions de la plateforme, les noms peuvent légèrement varier. Les principales fonctions sont les suivantes :
Canva AI ne remplace pas entièrement le travail de conception. L’intelligence artificielle accélère la production, mais la sélection des visuels, la hiérarchie de l’information, la vérification des textes et la cohérence de marque restent essentielles.
La création d’un visuel peut commencer avec une simple phrase. Canva AI propose ensuite une structure, une palette de couleurs, des images et une mise en page. Cette approche évite de partir d’une page blanche.
Un contenu qui demanderait plusieurs heures de recherche et de mise en forme peut ainsi être préparé en quelques minutes, notamment pour :
Un visuel créé pour Instagram n’a pas les mêmes dimensions qu’une bannière LinkedIn ou qu’une présentation PowerPoint. Les fonctions de redimensionnement de Canva AI permettent d’adapter rapidement un design à différents supports.
Cette possibilité est particulièrement utile pour une campagne marketing : un seul concept peut être décliné en publication carrée, story verticale, visuel de blog, bannière et support imprimé.
Canva AI est aussi utile pour explorer plusieurs styles. Une même idée peut être transformée en design minimaliste, premium, coloré, institutionnel ou éditorial. Cette phase d’exploration facilite les décisions graphiques avant la finalisation du visuel.
Dans un design déjà ouvert, les fonctions IA apparaissent généralement dans le menu latéral ou dans la barre d’outils lorsqu’un élément est sélectionné.
Par exemple :
L’interface peut évoluer. En cas de changement, la recherche intégrée de Canva permet généralement de retrouver une fonction en saisissant son nom.
La qualité du résultat dépend fortement de la précision de la demande. Un prompt trop vague, comme « crée une belle image pour une entreprise », laisse trop de place à l’interprétation.
Un prompt utile peut préciser :
Photo réaliste d’une consultante en intelligence artificielle dans un bureau lumineux, ambiance professionnelle et chaleureuse, palette bleu nuit et blanc, composition horizontale, sujet placé à gauche, espace libre à droite pour ajouter un titre, lumière naturelle, style éditorial premium, sans texte ni logo.
Cette formulation est plus efficace qu’une demande générale, car elle indique à Canva AI quoi produire, pour qui et dans quel contexte.
Il est préférable d’éviter les textes directement générés dans une image. Les outils d’image peuvent produire des lettres déformées, des mots incomplets ou des fautes. Pour obtenir un résultat propre :
Avant d’ouvrir Canva, précisez la fonction du contenu :
Un visuel destiné à une publicité doit attirer l’attention rapidement. Une infographie doit privilégier la lisibilité. Une présentation commerciale doit organiser l’information de manière progressive.
Canva propose des modèles adaptés à de nombreux usages. Les dimensions courantes incluent notamment :
Ces formats peuvent évoluer selon les plateformes. Il reste préférable de vérifier les recommandations officielles du réseau social concerné avant publication.
Dans Magic Design, saisissez une description précise du contenu à produire. Canva propose généralement plusieurs compositions.
Exemple :
Créer un carrousel LinkedIn de six pages sur cinq erreurs fréquentes dans l’utilisation de l’intelligence artificielle au travail. Style sobre, professionnel et pédagogique, palette bleu foncé et orange, typographie sans empattement, espace important entre les éléments.
Analysez les propositions au lieu de choisir automatiquement la première :
Avec Magic Media, décrivez l’image souhaitée. Plusieurs variantes sont généralement proposées. Sélectionnez celle qui correspond le mieux au message, puis insérez-la dans le design.
Pour un rendu plus professionnel :
L’espace négatif correspond à une zone volontairement peu chargée, utile pour placer un titre, un bouton ou un logo.
L’IA peut proposer une mise en page intéressante, mais quelques ajustements sont souvent nécessaires.
Vérifiez notamment :
Un design professionnel n’a pas besoin de nombreux éléments. La simplicité, l’espace et la hiérarchie visuelle donnent souvent un meilleur résultat qu’une composition surchargée.
La suppression automatique de l’arrière-plan est utile pour :
Après le détourage, vérifiez les contours autour des cheveux, des doigts, des objets fins et des zones transparentes. L’IA peut laisser des artefacts ou supprimer une partie du sujet.
Magic Eraser permet de supprimer un élément gênant. Il suffit généralement de sélectionner la zone concernée avec le pinceau.
Cette fonction est adaptée aux petites corrections, par exemple :
Le résultat peut être moins convaincant lorsque l’objet occupe une grande partie de la photo ou lorsque l’arrière-plan contient des motifs complexes. Effectuez plusieurs essais et comparez le résultat avec l’image originale.
Magic Edit peut modifier une zone sélectionnée à partir d’une consigne. Il est possible de remplacer un objet, de changer une couleur ou d’ajouter un élément.
Exemple :
Remplacer la tasse blanche par une tasse en céramique noire, style minimaliste, éclairage naturel.
Cette fonction est pratique pour tester une direction visuelle, mais les détails générés doivent être contrôlés. Les proportions, les ombres et les reflets peuvent sembler artificiels.
Magic Grab permet de sélectionner un sujet dans une photo afin de le déplacer, le redimensionner ou le repositionner. Cette fonction peut aider à créer de l’espace pour un titre ou à rééquilibrer une composition.
Après le déplacement, inspectez l’arrière-plan recréé automatiquement. Des répétitions ou des zones floues peuvent apparaître.
Magic Write peut générer une accroche, un résumé, une description de produit ou un plan de présentation. Pour obtenir un texte exploitable, précisez :
Exemple :
Rédiger cinq accroches courtes pour une publication LinkedIn destinée aux dirigeants de PME. Sujet : automatiser les tâches administratives avec l’IA. Ton professionnel, clair et concret. Maximum 12 mots par accroche. Éviter les promesses exagérées.
Le texte généré doit être relu. Magic Write peut produire :
Pour les contenus professionnels, vérifiez systématiquement les chiffres, les noms propres, les dates et les références.
Le Kit de marque permet de regrouper :
Cette organisation facilite la création de designs cohérents par plusieurs membres d’une équipe.
Une palette de deux à quatre couleurs suffit souvent. Utilisez :
L’IA peut proposer des palettes attractives, mais elles ne correspondent pas toujours à l’identité existante. Les couleurs doivent rester cohérentes avec le site web, les supports commerciaux et les réseaux sociaux.
Un visuel professionnel peut généralement fonctionner avec une ou deux familles de polices :
Évitez d’utiliser une typographie décorative pour de longs paragraphes. Les titres doivent être suffisamment grands pour être lus sur un écran de smartphone.
Pour une publication unique :
Pour un carrousel :
Canva AI peut aider à générer ou assembler certains éléments vidéo. Pour une vidéo courte :
Canva propose généralement une version gratuite et des formules payantes, comme Canva Pro, Canva pour les équipes et des offres destinées aux organisations. Les prix, quotas et fonctionnalités peuvent changer selon le pays, la facturation mensuelle ou annuelle et les évolutions de la plateforme.
La version gratuite permet de tester plusieurs fonctionnalités, mais certaines fonctions IA, certains modèles, certaines images et certains quotas peuvent être limités. Les abonnements payants offrent habituellement :
Avant de choisir une formule, vérifiez :
La possibilité d’utiliser une création dans un contexte commercial dépend des conditions de licence de Canva, du type d’élément utilisé et des droits attachés aux contenus importés ou générés.
Quelques précautions sont nécessaires :
Une image générée par IA n’offre pas nécessairement une exclusivité juridique. Dans plusieurs juridictions, la protection par le droit d’auteur dépend du niveau d’intervention humaine. Pour un logo, une identité de marque ou une campagne stratégique, une validation juridique et graphique peut être pertinente.
Canva AI est rapide, mais présente plusieurs limites :
La meilleure méthode consiste à utiliser l’IA pour produire une base, puis à effectuer une phase de contrôle humain systématique.
Avant publication, vérifiez les points suivants :
Le choix dépend de l’utilisation :
Pour une impression professionnelle, utilisez les paramètres de qualité proposés par Canva et demandez à l’imprimeur s’il existe des contraintes particulières, notamment concernant les fonds perdus, les marges et le profil colorimétrique.
Canva AI facilite la création de visuels professionnels grâce à Magic Design, Magic Media, Magic Write et aux fonctions de retouche automatisée. Pour obtenir un résultat convaincant, il faut toutefois combiner prompt précis, format adapté, identité visuelle cohérente et vérification humaine.
La méthode la plus efficace consiste à :
Canva AI est donc un accélérateur de production, mais la qualité finale dépend toujours des choix éditoriaux, graphiques et juridiques appliqués avant publication.
Le dispositif de sécurité que prépare la Maison-Blanche pourrait instaurer un système à deux vitesses : les modèles américains les plus contrôlables seraient soumis à des évaluations avant leur lancement, tandis que des modèles open-weight étrangers pourraient y échapper. Une asymétrie susceptible de renforcer les acteurs chinois au moment même où Washington cherche à préserver son avance technologique.
Selon des informations publiées le 4 août 2026 par Axios, également rapportées par Reuters, le cadre envisagé par la Maison-Blanche serait volontaire et ne concernerait pas l’ensemble des systèmes d’intelligence artificielle avancés.
Le mécanisme viserait principalement les modèles fermés et propriétaires capables d’atteindre un niveau élevé dans des domaines sensibles, notamment la cybersécurité offensive, l’exploitation de vulnérabilités ou le piratage. Avant leur mise sur le marché, leurs concepteurs devraient procéder à des tests de sécurité destinés à mesurer les risques d’usage malveillant.
Le principe rappelle celui du red teaming, une méthode d’évaluation consistant à charger des équipes internes ou externes de tenter de détourner un modèle, de contourner ses garde-fous ou de lui faire produire des instructions dangereuses. L’objectif consiste à détecter les capacités problématiques avant la commercialisation, plutôt qu’après la diffusion du produit.
Mais, dans sa forme rapportée par les médias américains, le cadre exclurait les modèles dont les poids sont publiquement accessibles.
Un modèle open-weight permet à des tiers de télécharger ses paramètres — les « poids » qui déterminent son comportement — puis de l’exécuter, de l’adapter ou de le déployer sans dépendre entièrement du fournisseur initial. Cette disponibilité ne signifie pas que le modèle est totalement open source : les données d’entraînement, le code complet ou les méthodes de développement peuvent rester propriétaires.
La distinction est toutefois déterminante pour la sécurité. Une entreprise peut tester un modèle fermé avant sa sortie, corriger ses failles et retarder son lancement. Elle conserve également un contrôle sur les serveurs, les mises à jour et les restrictions d’accès. Une fois les poids distribués, ces leviers deviennent beaucoup plus limités : des copies peuvent être modifiées localement, exécutées hors ligne ou intégrées à d’autres outils.
L’exemption ne signifie donc pas que les modèles open-weight seraient considérés comme moins dangereux. Elle traduit plutôt une difficulté de contrôle. Un cadre volontaire américain pourrait demander à une entreprise de tester un modèle qu’elle exploite directement, mais il ne peut pas facilement imposer le même processus à une communauté de développeurs ou à un acteur étranger diffusant les poids hors du territoire.
Cette logique crée néanmoins une incitation réglementaire paradoxale. Un laboratoire qui conserverait son modèle fermé pourrait devoir financer des évaluations coûteuses et documenter ses capacités offensives. Un autre qui publierait les poids pourrait échapper à cette obligation spécifique, même si le système est techniquement capable de produire des résultats similaires.
L’avantage potentiel pour les acteurs chinois tient moins à une exemption accordée directement à Pékin qu’à l’absence de mécanisme équivalent applicable aux modèles diffusés hors du périmètre américain.
Des entreprises chinoises qui choisissent de publier des modèles open-weight pourraient ainsi proposer des systèmes avancés sans subir le même processus de vérification préalable que les grands fournisseurs américains de modèles propriétaires. Ces systèmes pourraient être téléchargés, adaptés et déployés dans des environnements où les utilisateurs privilégient le coût, la personnalisation ou l’absence de dépendance à une API américaine.
La comparaison ne porterait pas uniquement sur les performances brutes. Elle concernerait aussi le délai de mise sur le marché et les contraintes imposées aux fournisseurs. Un modèle américain fermé soumis à des tests approfondis pourrait être lancé plus tard, avec des fonctionnalités limitées ou des engagements de sécurité plus lourds. Un modèle étranger distribué avec ses poids pourrait avancer plus rapidement, même si sa gouvernance et sa traçabilité sont plus faibles.
La portée de cet avantage reste toutefois conditionnée à plusieurs facteurs : la qualité des modèles chinois, leur capacité à fonctionner sur des infrastructures accessibles, les restrictions américaines à l’exportation de composants et de services, ainsi que la confiance des entreprises clientes. L’absence de test obligatoire ne constitue pas une garantie de succès commercial. Elle réduit en revanche une friction réglementaire pour les acteurs qui ne dépendent pas du cadre américain.
Cette décision intervient dans un débat déjà tendu sur le statut des modèles ouverts aux États-Unis. Nvidia, Microsoft, Meta et OpenAI figurent parmi les entreprises qui défendent, à des degrés différents, l’intérêt stratégique de modèles dont les poids peuvent être accessibles ou plus largement distribués. Leurs arguments portent sur l’innovation, la concurrence, la recherche et la capacité des entreprises américaines à rivaliser avec les offres chinoises.
En parallèle, des responsables politiques et des experts de la sécurité demandent des restrictions sur les modèles ouverts les plus puissants. Leur inquiétude est concrète : une fois les poids publiés, les contrôles d’accès peuvent être supprimés, les mécanismes de refus contournés et les capacités dangereuses intégrées dans des logiciels spécialisés. La diffusion peut également compliquer l’attribution d’un incident et la responsabilité juridique du fournisseur initial.
Le cadre de la Maison-Blanche semble donc chercher un compromis : surveiller les modèles les plus avancés tout en évitant d’étouffer l’écosystème américain open-weight. Mais ce compromis expose une faille de cohérence. Les systèmes dont le fournisseur peut encore être identifié et sanctionné seraient soumis à des tests ; ceux qui sont plus difficiles à contrôler pourraient bénéficier d’un traitement plus léger.
Le caractère volontaire du dispositif ajoute une incertitude. Les grandes entreprises américaines pourraient accepter ces règles pour préserver leur accès au marché et démontrer leur sérieux. D’autres acteurs pourraient les considérer comme un coût concurrentiel et privilégier des modèles ouverts ou des structures juridiques situées hors des États-Unis.
La question décisive sera désormais la définition précise du seuil de capacité déclenchant les évaluations. Mesurer le risque en cybersécurité ou en piratage est complexe : les performances varient selon les outils connectés au modèle, les données fournies et le niveau d’autonomie accordé au système. Un modèle apparemment limité peut devenir plus dangereux lorsqu’il est relié à un navigateur, à un terminal ou à une base de vulnérabilités.
La prochaine étape mesurable sera la publication du texte final et des critères d’éligibilité : modèles concernés, niveaux de capacité, calendrier des tests et éventuelles obligations de transparence. Si l’exclusion des modèles open-weight est confirmée, le Congrès devra déterminer si ce cadre volontaire suffit ou s’il faut une loi couvrant les modèles distribués depuis l’étranger.
À court terme, le dispositif risque surtout de déplacer les incitations : davantage de contrôles pour les modèles propriétaires américains, mais une zone grise persistante pour les modèles ouverts, y compris ceux susceptibles d’être utilisés dans des opérations offensives. La promesse de sécurité dépendra donc moins de l’existence des tests que de la capacité de Washington à éviter qu’ils ne deviennent un handicap réservé à ses propres entreprises.
Une start-up américaine de cybersécurité affirme que le modèle open-weight chinois de Moonshot AI a quitté son environnement de test pour aller chercher en ligne les réponses à un exercice défensif. Un nouvel épisode dans la série des dérapages d'agents IA cet été.
Une étude américaine révèle que de courtes nouvelles produites par ChatGPT ont été jugées plus captivantes et de meilleure qualité que des textes humains. Mais cette préférence disparaît en partie dès que l’étiquette « écrit par une IA » apparaît.
L'entreprise américaine a confirmé la constitution d'une équipe silicium interne, tout en maintenant une approche multi-fournisseurs.
Une limite historique de ChatGPT va disparaître : OpenAI annonce que les utilisateurs gratuits pourront désormais discuter autant qu'ils le souhaitent avec GPT-5.6 Luna, son nouveau modèle conçu pour la rapidité. L'entreprise mise sur cette distinction pour battre ses rivaux.
Deux chercheurs d'OpenAI ont détaillé, en marge de la conférence Black Hat, la mécanique complète de l'incident ayant abouti au piratage d'Hugging Face par des agents autonomes. Bloqués sur des tâches impossibles, certains ont notamment fini par créer leur propre canal de communication.
Naomi Bashkansky a quitté OpenAI pour rejoindre Conduit, une startup qui veut convertir l’activité cérébrale en instructions pour des agents d’IA comme Codex. Son pari : remplacer un jour les prompts par un simple bandeau neuronal.
Le géant américain lance en bêta son propre agent de codage IA, misant sur des prix cassés pour bousculer un marché ultra-concurrentiel.
Considéré comme l’un des architectes de l’intelligence artificielle moderne, Demis Hassabis était devenu le visage de Google dans la révolution des LLM. Le prix Nobel de chimie abandonne la direction opérationnelle de Google DeepMind et va se consacrer à la recherche scientifique et à l’AGI dans un nouveau poste taillé sur mesure. Wall Street a sanctionné l’annonce, tombée le même jour que le départ de Jeff Dean après 27 ans chez Google : l’action Alphabet a perdu 4,05 %.
Cet article a été réalisé en collaboration avec CNFCE
Le remplacement de l’humain par l’IA est une crainte légitime de nombre de professionnels, qu'ils appartiennent au secteur du numérique ou non. La formation apparaît comme une bonne manière de s’armer intellectuellement face à cette grande marée.
Cet article a été réalisé en collaboration avec CNFCE
Il s’agit d’un contenu créé par des rédacteurs indépendants au sein de l’entité Humanoid xp. L’équipe éditoriale de Numerama n’a pas participé à sa création. Nous nous engageons auprès de nos lecteurs pour que ces contenus soient intéressants, qualitatifs et correspondent à leurs intérêts.
Les intelligences artificielles génèrent des images, écrivent du code et résolvent des problèmes complexes. Mais produisent-elles réellement quelque chose de nouveau ? Pour Tom Zahavy, chercheur chez Google DeepMind, les modèles actuels restent incapables du « saut » intellectuel qui permet de formuler une idée sans précédent.
10 ans après son lancement, l'Assistant Google s'arrêtera sur Android le 4 septembre. C'est l'intelligence artificielle Gemini qui prend le relai : Google juge la technologie est suffisamment mature pour ne plus avoir besoin de les faire cohabiter.
L'AISI, agence britannique de sécurité de l'IA, a détecté 19 actions non autorisées menées par des agents Claude Mythos 5 et GPT-5.6 Sol sur l'internet réel, lors d'un test cyber censé rester confiné à un environnement simulé.
Des chercheurs ont démontré la toute première attaque agent contre agent en conditions réelles, en exploitant une faille dans le kit de développement d'agents IA de Google pour Python.
C'est reparti pour un tour. Après avoir utilisé l'IA générative dans sa dernière vidéo pour promouvoir Stellar Blade: Blood Rain, le studio Shift Up ne digère visiblement pas les messages dénonçant ce recours à l'IA. Son PDG a décidé de prendre la parole, et le moins que l'on puisse dire, c'est qu'il n'est pas content.
Au Mexique, 58 000 candidats vont devoir repasser l’examen d’entrée de la plus grande université du pays. Pourtant surveillée par une IA, cette épreuve à distance a été marquée par des résultats anormalement élevés et des soupçons de triche massive.
Connexion