|
|
Au sommaire
5 actus · 1 Décryptage
| 01 |
Dix mille IA ont travaillé 88 heures et produit une preuve mathématique inédite
|
| 02 |
Trois agences américaines accusent six sociétés chinoises d’avoir aspiré les réponses des IA occidentales
|
| 03 |
Une entreprise découvre 85 000 fichiers devenus lisibles par ses propres outils d’IA
|
| 04 |
Meta lance un assistant qui écrit vos mails et achète à votre place, jusqu’à 100 dollars par mois
|
| 05 |
L’IA qui fabrique des chansons paiera désormais Warner et BMG à chaque morceau généré
|
|
Le Décryptage
Apprentissage automatique (Machine Learning) : un programme qui déduit ses règles de vos exemples.
|
|
|
|
|
01
Dix mille IA ont travaillé 88 heures et produit une preuve mathématique inédite
OpenAI a lancé des milliers de copies d’un modèle non publié sur l’un des sept grands problèmes ouverts des mathématiques. La démonstration tient 165 pages.
Le 8 septembre, OpenAI a annoncé avoir mis 10 000 agents (des copies d’un même programme, lancées en parallèle) au travail pendant 88 heures d’affilée sur les équations de Navier-Stokes, celles qui décrivent l’écoulement des fluides. Le résultat décrit un cas où un tourbillon se resserre et accélère jusqu’à devenir infini en un temps fini. La preuve fait 165 pages et a été passée au crible par Lean 4, un logiciel qui vérifie mécaniquement chaque étape d’une démonstration.
Le million de dollars attaché au problème, en revanche, n’est pas gagné : la version traitée n’est pas exactement celle qui ouvre droit au prix. OpenAI dit avoir démarré le 1er septembre après avoir entendu une rumeur, avant de découvrir que deux chercheurs travaillaient déjà sur un énoncé voisin. La question de savoir qui a trouvé quoi occupe depuis les mathématiciens.
Ce qu’il faut retenir n’est pas le trophée, c’est la méthode : on ne demande plus une réponse à une IA, on en lance des milliers en parallèle pendant plusieurs jours, puis un contrôleur automatique tranche. Ce couple « beaucoup de tentatives, une vérification mécanique » est ce qui rend l’IA fiable là où l’erreur se voit. Transposé chez vous, la question devient : qu’est-ce qui, dans votre travail, peut être vérifié automatiquement ?
|
|
|
|
02
Trois agences américaines accusent six sociétés chinoises d’avoir aspiré les réponses des IA occidentales
L’avis conjoint de la NSA, de la CISA et du FBI nomme DeepSeek, Alibaba, Moonshot AI, MiniMax, StepFun et Z.AI.
Publié le 8 septembre, l’avertissement décrit une opération menée depuis au moins fin 2024 : ces six sociétés auraient interrogé massivement Claude, GPT, Gemini et Grok pour récupérer leurs réponses et s’en servir de matière première d’entraînement. Des milliards de mots, sur des millions de questions. La technique porte un nom : la distillation, qui consiste à faire apprendre un modèle bon marché à partir des sorties d’un modèle coûteux.
Les agences détaillent les moyens employés : comptes frauduleux, abonnements payants achetés en gros, et services d’intermédiaires, parfois appelés stations de transfert, pour masquer l’origine des requêtes et contourner les restrictions par pays. Elles conseillent aux éditeurs américains de dégrader discrètement la qualité des réponses servies à ces comptes plutôt que de les bloquer franchement.
C’est la première fois qu’un gouvernement décrit publiquement les modèles chinois à bas prix comme des copies obtenues par extraction. Si un prestataire vous propose l’un de ces modèles parce qu’il coûte dix fois moins cher, le prix n’est plus la seule question : il faut savoir où passent vos données, et ce que devient votre outil si l’accès se referme du jour au lendemain.
|
|
|
|
03
Une entreprise découvre 85 000 fichiers devenus lisibles par ses propres outils d’IA
Rien n’avait été piraté : les accès étaient légitimes, simplement jamais pensés pour une machine qui lit à pleine vitesse.
Cymphony, société de sécurité informatique, est sortie de l’ombre le 9 septembre avec 30 millions de dollars levés, dont 25 millions menés par Sequoia et SMBC, pour une valorisation supérieure à 100 millions. Chez un seul de ses clients, une grande société américaine cotée, elle a recensé environ 85 000 fichiers devenus accessibles aux outils et aux agents d’IA de la maison. Aucun n’avait été consulté, et la brèche a été refermée.
Autre cas relevé : un intervenant extérieur avait installé sa propre copie de Claude, non autorisée, qui utilisait ses accès personnels pour parcourir des milliers de fichiers sensibles. Le point commun des deux situations : personne n’a forcé de porte. Des droits accordés à des humains, qui ouvraient trois dossiers par jour, ont été hérités par des programmes qui en ouvrent des milliers par heure.
La leçon vaut pour une structure de trois personnes autant que pour un groupe. Le risque ne vient pas d’une IA qui « fuite », il vient de vos partages : un dossier ouvert à toute l’entreprise, un canal de discussion où traînent des contrats. Branchez un assistant dessus et il lira tout, d’un coup. Avant de connecter un agent, la bonne question n’est pas ce qu’il va faire, mais à quoi cet accès donne droit exactement.
|
|
|
|
04
Meta lance un assistant qui écrit vos mails et achète à votre place, jusqu’à 100 dollars par mois
Muse réserve un voyage, remplit un formulaire et passe une commande. Gratuit pour la plupart, 20 ou 100 dollars par mois pour ceux qui lui délèguent vraiment.
Annoncé le 8 septembre, Muse est présenté par Meta comme un assistant personnel qui agit plutôt qu’il ne répond : envoyer un courriel, réserver un déplacement, remplir un formulaire, effectuer un achat. Il est disponible aux États-Unis seulement, pour les majeurs, via une application iPhone et Android, un site dédié, et WhatsApp. Trois niveaux : gratuit, puis 20 dollars par mois, puis 100 dollars pour ceux qui lui confient beaucoup de tâches.
L’entrée par WhatsApp est le vrai signal : Meta installe son assistant là où des milliards de conversations passent déjà, sans demander d’installer quoi que ce soit. La version WhatsApp est allégée, sans fil personnalisable ni rubrique de suggestions. Meta dit s’attendre à ce que la majorité des utilisateurs restent au niveau gratuit ; les marchés, eux, ont fait monter l’action de 6 % à l’annonce.
Le format compte plus que le produit. Un assistant qui écrit et qui paie à votre place a besoin d’accéder à votre boîte mail et à un moyen de paiement : c’est un arbitrage, pas un gadget. À 100 dollars par mois, Meta parie que déléguer des corvées administratives vaut plus qu’une journée de travail mensuelle. Le test honnête, avant de s’engager : donnez-lui une tâche dont vous savez vérifier le résultat, et mesurez le temps de relecture.
|
|
|
|
05
L’IA qui fabrique des chansons paiera désormais Warner et BMG à chaque morceau généré
Suno a sorti la version 6 de ses modèles, construite avec des catalogues sous licence, et partage pour la première fois ses recettes.
Le 9 septembre, Suno a lancé v6, développé avec Warner Music Group, BMG et Believe. C’est la première fois que la société entraîne ses modèles sur de la musique concédée sous licence, après avoir réglé en novembre 2025 la plainte pour violation de droits déposée par Warner. La gamme compte trois modèles : v6 et v6-wild pour les abonnements payants, et v6-mini, gratuit pour tout le monde.
Le mécanisme est simple à énoncer : chaque morceau généré avec v6 déclenche un versement aux ayants droit. Suno paie les maisons de disques et les éditeurs, qui répartissent ensuite entre leurs artistes et leurs auteurs comme ils l’entendent. Chez Believe et TuneCore, chaque artiste décide lui-même s’il participe. Jusqu’ici, Suno ne partageait rien.
Pour qui produit du contenu, cela déplace le calcul juridique. Une musique générée par IA arrivait avec un doute sur son origine : acceptable pour une maquette interne, inconfortable dans une publicité diffusée. Un modèle bâti sur des catalogues autorisés, avec une redevance versée en amont, ne supprime pas tout risque, mais c’est la première offre où la question des droits est posée avant la diffusion et non après.
|
|
|
|
|
Le Décryptage
Apprentissage automatique (Machine Learning)
Aussi dit ML · apprentissage machine
L’apprentissage automatique, c’est un programme qui déduit ses règles à partir d’exemples, au lieu de recevoir des règles écrites à la main par un humain.
|
En une image
Le tri du courrier. Dans un programme classique, quelqu’un écrit la consigne : « si l’enveloppe porte ce logo, direction comptabilité ». En apprentissage automatique, on n’écrit aucune consigne : on montre 10 000 enveloppes déjà triées, et le programme repère seul ce qui distingue une pile de l’autre.
Exemples déjà classés → programme → règle déduite → nouveau cas trié
|
|
Analogie (pour un enfant de 12 ans)
Personne ne vous a jamais donné la définition d’un chien. On vous en a montré, encore et encore, jusqu’à ce que vous reconnaissiez même une race jamais vue. Vous avez appris par exemples, pas par définition. Et si on ne vous avait montré que des labradors, vous hésiteriez devant un chihuahua.
|
Pourquoi ça compte : quand un prestataire annonce que sa solution fait du machine learning, il annonce en réalité une dépendance. La qualité du résultat viendra de vos exemples, pas de son logiciel. Trois questions suffisent alors à cadrer un devis : combien d’exemples faut-il pour démarrer, qui reste propriétaire de ces données une fois le programme entraîné, et que vaut le résultat si votre historique est mince ou déséquilibré. Sans exemples, il n’y a rien à apprendre, et aucun budget ne rattrape ça.
Exemple en entreprise : un site de vente de six personnes reçoit 400 messages de service client par jour. Plutôt que d’écrire des dizaines de règles par mots-clés, qui se contredisent dès qu’un client écrit « colis pas arrivé » au lieu de « retard de livraison », l’équipe fournit dix-huit mois de messages déjà rangés en trois piles : livraison, retour, facturation. Le programme déduit le classement et trie les nouveaux messages. Là où le résultat déçoit : la pile facturation ne comptait que quarante exemples, et c’est précisément celle où il se trompe.
À retenir : l’apprentissage automatique ne suit pas des règles, il les déduit de vos exemples. La qualité de vos données décide donc de la qualité du résultat.
|
À ne pas confondre
Apprentissage profond (deep learning) : pas un concurrent, une sous-famille. C’est l’apprentissage automatique mené avec de très grands réseaux de neurones : plus gourmand en données et en calcul, mais bien meilleur sur les images, le son et le texte libre.
Programme à règles écrites : un humain rédige chaque condition, une par une. Il fait exactement ce qui a été prévu et rien d’autre, ce qui le rend très prévisible, mais démuni devant un cas que personne n’avait anticipé.
|
|
|
|
Partager
Un ami intéressé par l’IA ?
Transférez-lui KLEAA en un clic.
|
|
|
kleaa.fr
Se désabonner
© 2026 KLEAA
|
|
