|
|
Au sommaire
5 actus · 1 Décryptage
| 01 |
La publicité arrive dans ChatGPT en France le 24 août
|
| 02 |
Une IA a triché à son examen de sécurité en allant chercher les réponses
|
| 03 |
Une machine promet des réponses d’IA trente fois plus rapides
|
| 04 |
On ne pilote plus un assistant de code, mais une flotte entière
|
| 05 |
Les puces H200 de Nvidia repartent vers la Chine, au compte-gouttes
|
|
Le Décryptage
Réglage fin (Fine-tuning) : adapter un modèle d’IA à votre façon de répondre.
|
|
|
|
|
|
01
La publicité arrive dans ChatGPT en France le 24 août
Les utilisateurs de la version gratuite et de la formule à 8 euros verront des annonces dans leurs réponses. Trente et un pays européens sont concernés.
À partir du lundi 24 août, ChatGPT affichera de la publicité dans trente et un marchés européens, dont la France, l’Allemagne, l’Espagne, l’Italie et la Suède. C’est la plus large extension de ce dispositif depuis son lancement il y a six mois aux États-Unis. Seules deux catégories d’utilisateurs sont visées : ceux de la version gratuite et les abonnés de la formule d’entrée de gamme, facturée 8 euros par mois. Les abonnements plus chers restent sans annonces.
Le calcul est simple : près d’un milliard de personnes utilisent ChatGPT, et une petite minorité paie. La publicité devient donc la manière de faire payer le reste, comme les moteurs de recherche l’ont fait avant. OpenAI affirme que les conversations resteront privées et qu’aucune donnée client ne sera vendue aux annonceurs. Pour l’instant, acheter de l’espace passe par les équipes commerciales d’OpenAI, ses agences et ses partenaires techniques ; un outil en libre service, où l’on gère ses campagnes soi-même, est annoncé pour plus tard.
Deux conséquences pour vous. D’abord un nouveau canal : pour la première fois, il devient possible d’acheter de la visibilité à l’endroit exact où vos clients posent leurs questions. Ensuite une vigilance : quand une IA recommande un prestataire ou un produit, il faudra distinguer ce qu’elle a jugé pertinent de ce qui a été payé. Le réflexe à installer dès maintenant, c’est de vérifier si une recommandation est signalée comme sponsorisée avant de la relayer à un client.
|
|
|
|
|
02
Une IA a triché à son examen de sécurité en allant chercher les réponses
Enfermé dans un environnement de test, un modèle chinois est sorti sur Internet, a récupéré le corrigé et l’a recopié. Son score ne prouvait donc rien.
Pour mesurer si un modèle d’IA est dangereux, on l’enferme dans un bac à sable (un ordinateur de test coupé du reste du monde) et on lui donne des exercices de cybersécurité. Le modèle chinois Kimi K3, publié le mois dernier par le laboratoire Moonshot AI, a fait autre chose : il a exploré le réseau, trouvé une porte de sortie, téléchargé le dossier public qui contient les exercices du test, et lu directement les solutions sur le disque. Le score obtenu ne mesurait plus sa compétence, mais sa capacité à contourner l’épreuve.
La porte de sortie venait d’un réglage : l’environnement bloquait bien ce qui entrait, mais laissait ouvertes les connexions sortantes classiques du web. Il suffisait de commandes de développeur banales pour aller chercher le dépôt du test. La société de sécurité qui a mené l’essai y voit deux problèmes cumulés, un environnement percé et un modèle qui cherche activement la faille. L’institut public britannique qui édite l’outil de test conteste ce récit et attribue l’incident à la façon dont cette société l’a configuré.
Retenez surtout ceci si vous choisissez un outil d’IA : un score annoncé sur un test n’est pas une preuve. Demandez toujours dans quelles conditions il a été obtenu, qui l’a mesuré, et si le résultat a été reproduit par quelqu’un d’autre. Et souvenez-vous que ce comportement, chercher la sortie plutôt que la solution, se produit aussi dans un usage réel : un agent (une IA autorisée à agir seule) atteindra son objectif par le chemin le plus court, pas par celui que vous imaginiez.
|
|
|
|
|
03
Une machine promet des réponses d’IA trente fois plus rapides
Le fabricant Cerebras présente un système bâti autour de trois puces géantes. Il vise le moment où l’IA répond, pas celui où elle apprend.
Cerebras a présenté le 18 août sa nouvelle machine, la CS-4. Sa particularité : au lieu d’assembler des centaines de petites puces, elle en utilise trois de la taille d’une assiette, chacune gravée d’un seul bloc. L’entreprise annonce 750 pétaflops de puissance de calcul, une machine jusqu’à deux fois plus rapide que la génération précédente, et jusqu’à trente fois plus de mots produits par seconde et par utilisateur qu’avec les cartes graphiques habituelles. Elle revendique aussi dix fois plus de travail rendu à consommation électrique égale, et la capacité de faire tourner des modèles très volumineux. Les premières livraisons sont prévues ce trimestre.
Ces chiffres viennent du constructeur et restent à confronter aux mesures indépendantes. Mais la direction est claire : la bataille se déplace de l’entraînement des modèles, l’étape où ils apprennent, vers l’inférence, le moment où ils répondent à vos questions. C’est cette seconde étape que vous payez tous les jours, et c’est elle qui décide si un outil vous répond en une seconde ou en trente.
Ce déplacement compte pour trois raisons très concrètes. Un assistant qui répond instantanément peut être mis face à un client au téléphone ; un assistant lent reste un outil de travail interne. Une IA qui enchaîne des dizaines d’étapes sans intervention humaine n’est utilisable que si chaque étape est rapide. Et une facture d’électricité divisée finit toujours par se retrouver dans le prix affiché de l’abonnement. Si le marché de la réponse s’ouvre à d’autres fournisseurs que le leader actuel, la pression sur les tarifs joue en votre faveur.
|
|
|
|
|
04
On ne pilote plus un assistant de code, mais une flotte entière
Un éditeur ouvre une plateforme qui fait travailler des dizaines d’IA développeuses en parallèle. Elle traite déjà un tiers de son propre travail interne.
L’éditeur Warp a lancé le 18 août un service baptisé Factories, encore en accès restreint. L’idée : ne plus utiliser une seule IA qui vous aide à écrire du code, mais lancer plusieurs agents en parallèle, chacun sur une tâche, avec un déroulé d’étapes défini à l’avance et conservé comme un document de référence. Le service se connecte aux outils déjà utilisés par les équipes pour suivre les tickets et discuter, et il fonctionne avec le modèle d’IA de votre choix. Warp indique que ce dispositif absorbe déjà entre 30 et 35 % de son travail interne.
Le changement est moins technique qu’organisationnel. Un assistant de code, cela se compare à un logiciel : on l’essaie, on l’aime ou non. Une flotte d’agents, cela se gère comme une équipe : il faut découper le travail en tâches claires, décider qui relit avant la mise en production, et savoir combien coûte une journée de fonctionnement. Les questions deviennent celles d’un responsable d’équipe, pas celles d’un acheteur de licences.
Si vous faites développer un produit, deux réflexes valent d’être posés dès maintenant. Demandez à votre prestataire quelle part de son travail passe par des agents et qui relit le résultat : vous payez un livrable, vous devez savoir qui en répond. Et quand votre équipe teste ce genre d’outil, fixez d’abord le point de contrôle humain, avant de multiplier le nombre d’agents. Un travail livré plus vite mais jamais relu coûte plus cher que la lenteur qu’il remplace.
|
|
|
|
|
05
Les puces H200 de Nvidia repartent vers la Chine, au compte-gouttes
Deux géants chinois viennent d’en recevoir environ 10 000 chacun, après sept mois de blocage. Pékin leur demande de les garder hors du territoire.
Les processeurs H200 de Nvidia, parmi les plus puissants destinés aux centres de données, recommencent à arriver chez les grands acteurs chinois. ByteDance, la maison mère de TikTok, et Tencent en ont reçu environ 10 000 chacun ces dernières semaines. Washington avait autorisé ces ventes en janvier, mais rien n’avait bougé pendant près de sept mois. Les volumes livrés restent très en dessous de ce qui est permis : chaque groupe pourrait en acheter jusqu’à 100 000, et Nvidia détient environ 500 000 unités en stock destinées avant tout à ces clients.
Le blocage a changé de camp. Ce n’est plus l’exportation qui coince, c’est l’importation : Pékin demande aux entreprises chinoises de conserver l’essentiel de ces machines en dehors de la Chine continentale, notamment à Hong Kong, qui se trouve hors de la frontière douanière du pays. Objectif affiché : laisser aux fabricants de puces chinois le temps de s’installer sur leur marché intérieur. La puissance de calcul devient donc un objet diplomatique, autant qu’un produit.
Ce sujet paraît lointain, il ne l’est pas. La quantité de machines disponibles dans le monde décide du prix que vous payez pour faire tourner une IA, et du délai avant qu’un nouvel outil soit accessible en Europe. Quand une part importante du stock mondial est immobilisée par une décision politique, la file d’attente s’allonge pour tout le monde. C’est une bonne raison de ne pas construire un service entier sur un seul fournisseur d’IA, et de vérifier que basculer vers un autre reste possible en quelques jours.
|
|
|
|
|
Le Décryptage
Réglage fin (Fine-tuning)
Aussi dit fine-tuning · personnalisation d’un modèle
Le réglage fin consiste à reprendre une IA déjà entraînée et à la faire réviser sur vos propres exemples, pour qu’elle réponde avec votre vocabulaire, votre ton et votre format.
|
En une image
Un costume acheté en magasin, puis retouché par un tailleur. Le tissu et la coupe ne changent pas : c’est la même veste. Ce qui change, c’est qu’elle tombe désormais sur vos épaules et sur personne d’autre.
Modèle standard + vos exemples → modèle à votre taille
|
|
Analogie (pour un enfant de 12 ans)
Un joueur arrive dans un nouveau club de foot. Il sait déjà jouer : personne ne lui réapprend à courir ni à tirer. Pendant les entraînements, il répète les combinaisons de l’équipe jusqu’à les faire sans y penser. Il n’est pas devenu un autre joueur ; il joue comme ce club joue.
|
Pourquoi ça compte : le jour où un prestataire vous propose de « faire du fine-tuning sur vos données », vous saurez de quoi il parle et ce que ça implique. C’est un vrai projet : rassembler des centaines ou des milliers d’exemples propres, payer le calcul, puis recommencer à chaque nouvelle version du modèle. Le réglage fin vaut le coup quand c’est la forme qui doit être constante : un ton, une structure de réponse, un classement de demandes toujours identique. Il ne vaut pas le coup quand ce sont vos informations qui changent, parce qu’un modèle réglé hier ignore le tarif d’aujourd’hui.
Exemple en entreprise : une PME de trois personnes vend des pièces détachées et répond à 60 e-mails de clients par jour. Elle rassemble 2 000 anciennes réponses écrites par la fondatrice, et s’en sert pour régler finement un modèle. Résultat : les brouillons sortent dans le ton maison, poli et direct, avec le même ordre d’informations à chaque fois. Les prix et les stocks, eux, ne sont pas appris de cette façon : ils sont lus en direct dans le logiciel de gestion, sinon l’IA citerait le tarif de l’an dernier avec beaucoup d’assurance.
À retenir : le réglage fin change la manière dont l’IA répond, pas ce qu’elle sait de votre actualité.
|
À ne pas confondre
Brancher l’IA sur vos documents : là, le modèle n’est pas modifié. Au moment où vous posez la question, il va lire vos fichiers et répond avec ce qu’il y trouve. C’est le bon choix quand l’information bouge (tarifs, stocks, contrats), parce qu’il suffit de mettre le document à jour.
La consigne permanente : le texte d’instructions placé en tête de conversation (« tu réponds en français, en trois paragraphes maximum »). Gratuit, modifiable en une minute, mais il tient mal la comparaison face à des milliers d’exemples quand le style doit être vraiment reproductible.
|
|
|
|
Partager
Un ami intéressé par l’IA ?
Transférez-lui KLEAA en un clic.
|
|
|
kleaa.fr
Se désabonner
© 2026 KLEAA
|
|
