Choses à Savoir TECH

Dans la course mondiale à l’intelligence artificielle, un acteur chinois s’impose de plus en plus clairement : Moonshot AI. Son nouveau modèle, K2.6, marque une progression rapide et vient bousculer les références du secteur. Trois mois seulement après la version précédente, K2.6 affiche des performances en hausse sur plusieurs tests clés. Sur SWE-Bench Pro, un benchmark qui mesure la capacité d’un modèle à corriger de vrais problèmes sur des projets GitHub, il atteint 58,6 points. Il dépasse ainsi GPT-5.4 et Claude Opus 4.6. Même tendance sur DeepSearchQA et Terminal-Bench, deux tests qui évaluent respectivement la recherche d’information complexe et l’exécution de tâches techniques.

Pour comprendre cette avancée, il faut regarder sous le capot. K2.6 repose sur une architecture dite “Mixture-of-Experts”. Concrètement, cela signifie que le modèle mobilise seulement une partie de ses capacités à chaque requête, ce qui réduit les coûts de calcul. Sur le papier, il compte 1 000 milliards de paramètres, mais n’en active qu’une fraction à chaque instant. Autre élément clé : la “fenêtre de contexte”. C’est la quantité d’informations que le modèle peut traiter en une seule fois. Ici, elle atteint 256 000 tokens, soit l’équivalent de centaines de pages de texte. De quoi améliorer la compréhension de tâches longues ou complexes.

Côté performance, Moonshot mise aussi sur la quantification INT4, une technique qui compresse les données numériques pour accélérer les calculs. Résultat : une inférence environ deux fois plus rapide, avec une perte de précision limitée. Mais tout n’est pas encore validé. La majorité des résultats provient des tests internes du laboratoire, et aucune reproduction indépendante complète n’a été publiée à ce stade. De plus, si les poids du modèle sont accessibles, les données d’entraînement et les méthodes utilisées restent confidentielles, ce qui limite la transparence.

Enfin, l’accès à ce type de modèle reste coûteux. Même en version optimisée, il nécessite plusieurs cartes graphiques haut de gamme et une infrastructure pouvant atteindre plusieurs milliers de dollars par mois. En résumé, K2.6 illustre une tendance forte : les modèles ouverts chinois se rapprochent désormais des meilleurs systèmes propriétaires. Mais la bataille de la transparence et de la reproductibilité, elle, est loin d’être tranchée.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

L’intelligence artificielle impressionne par ses capacités, mais elle reste faillible. Et parfois, ses erreurs ne s’arrêtent pas à la machine. Une expérience menée en 2024 par des chercheurs de l’Université de Göteborg en apporte une illustration troublante.

Les scientifiques ont inventé de toutes pièces une maladie fictive : la « bixonimania ». Selon leur description, il s’agirait d’un trouble cutané lié à une exposition prolongée aux écrans et à un frottement excessif des yeux. Un scénario volontairement absurde, conçu pour tester la capacité des intelligences artificielles à distinguer le vrai du faux. Pour cela, deux fausses études ont été publiées sur une plateforme de prépublication, un type de site où les chercheurs partagent leurs travaux avant validation par des pairs. L’objectif : observer si les grands modèles d’IA reprendraient cette information. Et la réponse a été rapide. En quelques semaines, des outils comme ChatGPT ou Gemini ont commencé à citer la bixonimania comme une pathologie réelle.

Jusque-là, rien de totalement surprenant. Ces systèmes fonctionnent en analysant d’immenses volumes de données et peuvent relayer des contenus erronés s’ils ne sont pas correctement filtrés. Mais l’expérience ne s’est pas arrêtée là. Le véritable problème est apparu ensuite : des chercheurs humains ont à leur tour repris cette fausse information dans des publications scientifiques, pourtant soumises à évaluation par des pairs. Autrement dit, une erreur volontairement introduite pour tester l’IA a fini par contaminer la production scientifique elle-même.

Plus étonnant encore, le document d’origine comportait des indices évidents de supercherie. Il faisait référence à des éléments de culture populaire comme Les Simpsons, Le Seigneur des Anneaux ou Star Trek. Un ton humoristique, visible même pour un lecteur non spécialiste. Cette expérience met en lumière un phénomène préoccupant : la circulation d’informations erronées entre intelligence artificielle et humains peut créer une boucle de validation trompeuse. L’IA ne fait pas qu’inventer, elle amplifie. Et lorsque ces erreurs sont reprises sans vérification, elles peuvent s’ancrer dans des sources considérées comme fiables.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

C’est une pratique invisible, mais omniprésente dans nos boîtes mail. Le pixel de suivi — une minuscule image d’un seul pixel — permet aux expéditeurs de savoir si vous avez ouvert un message. Discret, silencieux, et jusqu’ici peu encadré. Mais les règles changent.

Le 14 avril 2026, la CNIL a publié une recommandation officielle pour mieux encadrer ces outils de traçage. Une décision qui intervient après une hausse notable des plaintes et une consultation lancée en 2025 auprès d’entreprises, d’associations et du grand public. Concrètement, comment fonctionne ce fameux pixel ? Il s’agit d’une image invisible intégrée dans un e-mail. Dès que vous ouvrez le message, votre appareil charge cette image depuis un serveur distant. Ce simple chargement suffit à signaler que l’e-mail a été consulté. Aucun clic, aucune alerte : tout se fait en arrière-plan.

Pour les entreprises, l’intérêt est évident. Ces données permettent de mesurer le taux d’ouverture, d’optimiser les campagnes marketing ou encore de vérifier la bonne réception des messages. Mais pour la CNIL, le problème est ailleurs : ces pratiques collectent des données comportementales dans un espace considéré comme privé — la messagerie personnelle. La nouvelle règle est claire : dans la majorité des cas, l’utilisation de ces pixels nécessite le consentement explicite de l’utilisateur. Un consentement réel, c’est-à-dire libre, éclairé, et surtout non dissimulé dans des conditions générales ou pré-coché par défaut. Les entreprises devront également être capables de prouver qu’elles ont bien obtenu cet accord.

Il existe toutefois une exception. Les e-mails dits « transactionnels » — confirmation de commande, suivi de colis ou alerte de compte — peuvent intégrer ces pixels sans consentement préalable. Mais uniquement pour un usage limité : vérifier que le message a bien été délivré, et éviter d’envoyer des e-mails à des adresses inactives. Pour les bases de données existantes, une période de transition de trois mois est prévue. Les organisations devront informer leurs contacts de l’usage de ces traceurs et leur offrir une possibilité simple de s’y opposer. Passé ce délai, la CNIL annonce des contrôles. Et potentiellement des sanctions. Une manière de rappeler que, même invisibles, ces outils ne sont pas sans conséquence sur la vie privée.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

C’est un marché inattendu, né dans les coulisses de l’économie des startups. Depuis avril 2026, la société SimpleClosure propose une nouvelle activité : revendre les archives numériques d’entreprises en liquidation. Code source, échanges Slack, e-mails internes… tout peut être cédé sous licence. Pour son PDG Dori Yona, il s’agit d’une véritable « ruée vers l’or ».

En un an, près d’une centaine de transactions auraient déjà été conclues, pour plus d’un million de dollars redistribués aux fondateurs. Et la concurrence s’organise. La plateforme Sunset, par exemple, valorise particulièrement les données issues de secteurs sensibles comme la santé ou la finance, où les historiques sont riches et interconnectés.

Pourquoi un tel engouement ? Parce que les données sont devenues la matière première essentielle de l’intelligence artificielle. Or, comme l’a souligné Ilya Sutskever, les grandes bases publiques, Wikipédia, Reddit ou les livres numérisés, sont aujourd’hui largement exploitées. Les nouveaux systèmes d’IA ont besoin d’exemples concrets de travail réel : des échanges imparfaits, des erreurs, des processus humains. Résultat : un nouveau secteur émerge, celui des environnements d’entraînement simulés. Des entreprises comme AfterQuery vendent des univers professionnels reconstitués, « Finance World » ou « Tax World », où des agents IA apprennent à évoluer comme dans une entreprise. Des acteurs majeurs comme Anthropic ou Scale AI investissent déjà massivement dans ce domaine.

Mais cette économie soulève des questions sensibles. Juridiquement, les entreprises détiennent généralement les données produites par leurs salariés, y compris sur des outils comme Slack. Pourtant, pour des experts comme Marc Rotenberg, l’enjeu dépasse la simple propriété intellectuelle : il s’agit aussi de données personnelles. L’anonymisation, souvent mise en avant, reste imparfaite. Des études menées par OpenAI et Google ont montré que certains modèles peuvent mémoriser et restituer des données sensibles.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Après l’exploit technologique des Jeux olympiques de Jeux olympiques de Paris 2024, diffusés en 4K HDR avec son immersif, on aurait pu penser que la télévision publique française poursuivrait sur cette lancée. Et pourtant, le signal envoyé aujourd’hui par France Télévisions est tout autre : un retour partiel en arrière sur la 4K native. Un choix qui peut surprendre… mais qui s’explique. Car derrière cette décision, il ne s’agit pas d’un recul technologique, mais d’un arbitrage économique. Depuis plusieurs mois, le groupe évolue sous forte contrainte budgétaire. Une commission d’enquête parlementaire lancée fin 2025, combinée aux alertes répétées de la Cour des comptes, a mis en lumière une situation financière tendue. Résultat : un plan d’économies d’environ 140 millions d’euros a été acté pour 2026.

Dans ce contexte, certaines dépenses deviennent difficiles à défendre. La production en 4K native en fait partie. Produire une image en Ultra Haute Définition implique une chaîne technique plus lourde : caméras spécifiques, traitement des images plus complexe, besoins accrus en bande passante pour la diffusion… Autant de coûts supplémentaires, pour un bénéfice visuel qui n’est pas toujours évident pour tous les téléspectateurs.

C’est là tout le paradoxe. La 4K promet une qualité d’image supérieure, mais son impact dépend fortement des conditions de visionnage : taille de l’écran, distance, qualité du signal. Sur un événement comme Roland-Garros, dominé par des plans larges, la différence avec une image bien optimisée peut rester discrète. La solution envisagée repose donc sur un compromis technique. Plutôt que filmer directement en 4K, France Télévisions pourrait capter en Full HD, puis utiliser un procédé appelé upscaling. Il s’agit d’un traitement algorithmique qui “reconstruit” une image en Ultra HD à partir d’une source plus basse définition, avec l’aide du HDR, une technologie qui améliore les contrastes et les couleurs.

Résultat : une qualité visuelle jugée satisfaisante pour le grand public, à un coût bien inférieur. Ce choix marque un tournant. La 4K native ne disparaît pas, mais elle pourrait devenir l’exception, réservée aux grands événements, plutôt qu’un standard systématique. Un virage pragmatique, dicté par la réalité des finances publiques.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.