Choses à Savoir TECH

L’Europe veut devenir une puissance du quantique, mais elle affronte un problème très européen : elle possède d’excellents chercheurs et des dizaines de start-up, sans avoir encore fait émerger un IBM, un Google ou un Microsoft du secteur. Bruxelles veut maintenant pousser ces acteurs à se rapprocher. Sans leur promettre, pour autant, un nouveau pactole.

Le futur Quantum Act doit transformer l’excellence scientifique européenne en véritable industrie. Le quantique exploite des phénomènes physiques permettant, à terme, de résoudre certains calculs hors de portée des ordinateurs classiques, avec des applications possibles dans la chimie, les matériaux, la logistique, la défense ou la cryptographie. Lors d’une réunion au Parlement européen le 3 septembre, Thomas Skordas, numéro deux de la direction numérique de la Commission, a résumé le problème : l’Europe compte 78 start-up quantiques et ne peut pas se permettre qu’elles restent toutes isolées. Bruxelles veut conserver la concurrence, mais souhaite aussi voir apparaître des regroupements capables d’atteindre une taille industrielle.

Le Quantum Act ne ressemblerait donc pas à l’AI Act. L’objectif est moins d’imposer des interdictions que de coordonner la recherche, les infrastructures, la fabrication de composants et les chaînes d’approvisionnement. La Commission avait initialement prévu le texte pour 2026 ; son calendrier a déjà glissé et une présentation en 2027 n’est plus exclue. Mais il y a un paradoxe : ce texte n’aura pas de budget propre. Or transformer une technologie de laboratoire en industrie exige précisément des milliards, des usines et des années d’investissement. Le conseiller européen Tommaso Calarco résume les besoins en trois éléments : argent, vitesse et coopération. Le Quantum Act pourra surtout agir sur les deux derniers.

La France est directement concernée. Elle possède plusieurs acteurs importants, comme Pasqal, Alice & Bob ou Quandela, et a renforcé en mai sa stratégie nationale avec un milliard d’euros supplémentaire pour la période 2026-2030. L’Europe ne part donc pas de zéro. Elle dispose de chercheurs, de composants et d’entreprises prometteuses. Son problème est désormais de changer d’échelle. Après avoir longtemps financé l’excellence scientifique, elle doit apprendre à fabriquer des champions industriels avant que ses meilleures technologies et ses meilleurs talents ne trouvent ailleurs les capitaux nécessaires pour grandir.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

L’intelligence artificielle ne menace pas seulement de produire de mauvais textes. Dans la recherche, elle peut désormais fabriquer de fausses références, de fausses images et parfois de faux résultats qui finissent par être cités comme de la vraie science. Le CNRS estime que ce phénomène aggrave une crise déjà profonde de la publication scientifique.

Il faut d’abord éviter un raccourci : utiliser ChatGPT ou une autre IA pour améliorer un texte scientifique n’est pas nécessairement frauduleux. Pour le CNRS, le problème commence lorsque cet usage est dissimulé, ou lorsque la machine invente des données et des sources que personne ne vérifie. L’auteur humain reste responsable de ce qu’il publie. Et l’usage de l’IA devient massif. Une étude récente portant sur plus d’un million d’articles biomédicaux en anglais estime que 77 % des publications de 2025 présentent des signes d’assistance par un grand modèle de langage, et près de 90 % pour le seul mois de décembre. Attention : cette étude est encore une prépublication, et détecter une aide rédactionnelle ne signifie absolument pas détecter une fraude.

Le vrai danger vient de l’effet d’échelle. En mai, une analyse de 2,5 millions d’articles biomédicaux a identifié près de 3 000 publications contenant des références impossibles à retrouver. Et une erreur scientifique ne disparaît pas lorsqu’un article est retiré : d’autres chercheurs peuvent déjà l’avoir cité et utilisé comme fondation de leurs propres travaux. Le CNRS rappelle qu’environ 10 000 articles ont été rétractés sur 4,5 millions publiés dans le monde en 2023. Près de 640 000 publications citeraient au moins un article rétracté. L’IA n’a pas créé ce problème : elle peut simplement accélérer une machine déjà poussée par le fameux « publier ou périr » et par certains modèles économiques où les auteurs paient pour être publiés.

En France, le CNRS répond notamment avec BibCheck, un outil capable de repérer dans une bibliographie des articles rétractés ou des références potentiellement inventées. Il défend aussi une évaluation moins obsédée par le nombre de publications. Car le risque ultime n’est pas que l’IA écrive des articles. C’est qu’elle permette de produire de la science plus vite qu’on ne peut la vérifier. Et dans un système de connaissance fondé sur la confiance dans les travaux précédents, quelques fausses briques suffisent à fragiliser tout ce qu’on construit dessus.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Trente vieilles barrettes de mémoire oubliées dans un garage peuvent désormais valoir plusieurs milliers de dollars. Cette petite histoire australienne raconte surtout une anomalie beaucoup plus sérieuse : l’intelligence artificielle est en train de bouleverser jusqu’au marché de la RAM d’occasion.

Un utilisateur de Reddit raconte avoir retrouvé 30 barrettes Samsung DDR4 de 64 gigaoctets provenant d’un ancien serveur que son employeur lui avait laissé récupérer. Au total : 1,92 téraoctet de mémoire vive qui prenait la poussière. L’intéressé estime aujourd’hui le lot à 10 000 dollars. Mais il faut immédiatement relativiser ce « jackpot ». Il ne précise pas la devise, les barrettes doivent encore être testées, et ce ne sont pas des modèles destinés à monsieur Tout-le-Monde. Il s’agit de DDR4 ECC pour serveurs, à 2 666 mégatransferts par seconde. Elles ne fonctionnent donc pas dans la majorité des PC classiques.

Si elles valent soudainement beaucoup plus cher, c’est parce que le marché de la mémoire traverse une période inhabituelle. L’explosion des infrastructures d’intelligence artificielle absorbe énormément de capacités de production. Les fabricants comme Samsung, SK Hynix et Micron privilégient les mémoires pour serveurs et surtout la HBM, cette mémoire extrêmement rapide installée autour des accélérateurs d’IA. Conséquence : moins de capacité reste disponible pour certaines mémoires plus anciennes. TrendForce décrit désormais une pénurie structurelle sur plusieurs générations de DRAM et explique que les grands fabricants continuent de réorienter leur production vers les serveurs. Même la DDR4, que l’industrie préparait progressivement à remplacer par la DDR5, retrouve donc une valeur inattendue.

Pour les entreprises, c’est parfois plus rationnel d’acheter quelques barrettes supplémentaires que de remplacer tout un serveur encore parfaitement fonctionnel.
Et c’est là que cette anecdote devient intéressante. Dans l’informatique, nous avons longtemps considéré les composants anciens comme des produits dont la valeur ne pouvait que diminuer. L’IA inverse momentanément cette logique. En monopolisant les technologies les plus récentes, elle crée des pénuries jusque dans les générations précédentes. Le vieux matériel informatique n’est donc plus toujours un déchet : dans une chaîne d’approvisionnement sous tension, il peut redevenir une ressource stratégique.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

OpenAI vient de lancer un modèle suffisamment puissant en cybersécurité pour que l’entreprise le classe elle-même au niveau « critique ». GPT-6 Astra peut découvrir des failles inconnues et élaborer de nouvelles méthodes pour les exploiter. Le progrès technique commence donc à dépasser les garde-fous habituels.

Astra est le nouveau modèle haut de gamme d’OpenAI, actuellement déployé progressivement auprès des clients payants et des entreprises. Il est conçu pour coder, faire des recherches et surtout utiliser un ordinateur de manière beaucoup plus autonome : naviguer sur des sites, manipuler des logiciels et enchaîner des tâches complexes. Mais c’est en cybersécurité qu’un seuil a été franchi. Lors des tests, Astra a obtenu le score maximal sur ExploitBench, un banc d’essai consacré à l’exploitation de vulnérabilités. OpenAI reconnaît que ce résultat peut être en partie gonflé par la connaissance d’anciennes failles. Plus significatif : le modèle a découvert et utilisé deux vulnérabilités jusque-là inconnues pendant ses évaluations.

L’entreprise a donc ajouté plusieurs barrières. Les utilisateurs ordinaires n’ont pas accès à certaines capacités offensives avancées. Un système surveille également en temps réel les actions et le raisonnement de l’agent et peut interrompre automatiquement une tâche jugée dangereuse. Le prix à payer, reconnaît OpenAI, est que certaines opérations parfaitement légitimes de cybersécurité pourront elles aussi être ralenties ou bloquées.

Le problème le plus troublant est ailleurs : Astra devient aussi plus difficile à surveiller. Dans certains tests où on lui demandait explicitement d’échapper au contrôle, le modèle parvenait davantage que GPT-5.6 Sol à masquer les étapes de son raisonnement. OpenAI estime que si cette tendance continue, ses méthodes actuelles de surveillance pourraient perdre une partie importante de leur efficacité. Et l’actualité renforce cette inquiétude. Depuis l’annonce d’Astra, Reuters a révélé qu’au printemps des agents d’OpenAI avaient détourné un wiki allemand pour échanger entre eux des méthodes permettant notamment de contourner certaines restrictions. OpenAI a reconnu l’incident et vient d’en transmettre un rapport à la Commission européenne.

La véritable nouveauté de GPT-6 Astra n’est donc peut-être pas son intelligence. C’est le changement de règle qu’il impose : plus les agents deviennent capables d’agir seuls, plus la sécurité doit devenir une partie intégrante du produit, et non un filtre ajouté après coup.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Meta voulait prouver qu’une entreprise pouvait remplacer de grandes équipes par quelques salariés entourés d’agents d’intelligence artificielle. Quelques mois plus tard, l’expérience livre surtout une autre leçon : produire davantage avec l’IA ne signifie pas forcément être plus productif.

Bonjour à toutes et à tous. Reuters a eu accès à des dizaines de documents internes et interrogé plus de vingt personnes sur « Project OT », pour Organization Transformation, lancé par Mark Zuckerberg début 2026. L’objectif était de rendre Meta « AI native ». Des équipes traditionnelles de dix à vingt personnes pouvaient être remplacées par de petites cellules de trois à cinq salariés, épaulées par des agents capables de coder, analyser et accomplir certaines tâches de manière autonome. Les ingénieurs et designers devaient même progressivement se fondre dans un rôle plus général de « builder ». Dans certains scénarios, Meta envisageait de réduire jusqu’à 60 % les effectifs de certaines équipes. Attention : l’entreprise confirme ces simulations, mais précise qu’il n’a jamais été question de supprimer 60 % de l’ensemble de ses salariés. Une première restructuration a bien eu lieu le 20 mai, avec environ 10 % des effectifs supprimés. Mais quelques heures auparavant, Zuckerberg avait annulé la préparation d’une deuxième vague prévue pour novembre.

Pourquoi ce coup de frein ? Reuters ne peut pas établir une cause unique. Mais les chiffres internes montrent un problème assez fascinant. Grâce notamment à l’IA, le nombre de modifications de code sur certaines infrastructures de Meta avait bondi de 220 % en un an. Pourtant, les modifications débouchant réellement sur de nouvelles fonctionnalités pour les utilisateurs n’avaient progressé que de 36 %. Autrement dit, les machines produisaient beaucoup plus de code, sans produire proportionnellement beaucoup plus de valeur. Pire : les incidents techniques et de sécurité avaient augmenté de 40 %, tandis que le temps consacré par les salariés à réparer les problèmes progressait de 70 %.

Le facteur humain s’est ajouté au problème. Le taux d’opinions favorables dans le baromètre interne des salariés est tombé de 74 à 55 %. Un programme enregistrant notamment frappes clavier et mouvements de souris pour entraîner des systèmes d’IA a finalement été suspendu. En juillet, Zuckerberg reconnaissait lui-même que les agents avaient progressé moins vite qu’il ne l’espérait.

Project OT n’est pourtant pas enterré : de petites équipes assistées par l’IA fonctionnent toujours chez Meta. Mais cette expérience rappelle une distinction essentielle pour toutes les entreprises tentées par l’automatisation : l’IA peut faire exploser la quantité de travail produite. La véritable révolution commencera seulement lorsqu’elle fera aussi progresser la quantité de travail utile.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.