Airbus va rapatrier environ 900 applications critiques (ERP, CRM, systèmes de fabrication) du cloud d'Amazon vers le français Scaleway, filiale du groupe Iliad. Un contrat remporté sur appel d'offres, de plus de 50 millions d'euros sur une durée pouvant aller jusqu'à dix ans, qui transforme la souveraineté numérique en vrai levier commercial plutôt qu'en slogan.

Ce qu'il faut retenir :
- 900 applications migrées au total, 70 prioritaires pour commencer, bascule complète visée fin 2028
- Les systèmes concernés sont le cœur industriel d'Airbus : ERP, CRM, gestion de production, cycle de vie produit
- Le vrai nerf de la guerre : échapper au US Cloud Act, qui autorise Washington à réclamer des données détenues par une entreprise américaine, même stockées en Europe
- Airbus ne coupe pas tout : sa plateforme aviation Skywise et un outil support restent sur AWS, et la bureautique demeure chez Microsoft et Google
- L'angle mort assumé : les 18 000 fournisseurs du groupe tournent quasiment tous sous Microsoft, impossibles à rapatrier à court terme (détaillé par The Register)

Pourquoi ça compte : Airbus démontre qu'un marché du cloud souverain existe et fonctionne, par la voie très classique de l'appel d'offres, ouvrant une piste que d'autres grands comptes européens peuvent copier. Reste le grand absent : l'IA générative, qu'Airbus tient volontairement hors de ses systèmes critiques (« voudriez-vous vraiment que votre avion fasse tourner du code écrit par Claude ? »), faute d'alternative européenne crédible pour la bureautique comme pour les agents.

Le chinois Moonshot AI vient de publier Kimi K3, un modèle à 2 800 milliards de paramètres : le plus gros modèle en poids ouverts jamais mis en ligne, presque le double du précédent record (DeepSeek V4 Pro, 1 600 milliards). Sa particularité tient dans une idée simple : pour contourner les restrictions américaines sur les puces, Moonshot a déplacé toute la pression du calcul vers la mémoire et l'architecture.

En détail :
- Une architecture Mixture-of-Experts ultra-parcimonieuse : 896 experts spécialisés, dont 16 seulement activés par requête (1,8% du modèle), ce qui effondre le calcul par mot
- Deux innovations maison : la Kimi Delta Attention (décodage jusqu'à 6,3x plus rapide sur un contexte d'un million de tokens) et les Attention Residuals (+25% d'efficacité d'entraînement pour moins de 2% de surcoût)
- Compressé en 4 bits dès l'entraînement, le modèle pèse tout de même 1,4 To : il réclame au moins 64 accélérateurs connectés entre eux, donc data centers et entreprises, pas votre PC
- Côté performances, il se classe 1er sur Arena Frontend Code (1679 points, devant Fable 5), et une démo l'a montré pilotant seul une chaîne de production de semi-conducteurs pendant 48 heures (Tom's Hardware)
- Prix API : 3 dollars le million de tokens en entrée, 15 dollars en sortie, soit environ la moitié du tarif d'Opus 4.8, mais le plus cher des labos chinois

Le contexte : l'astuce est autant technique que géopolitique. Privés des GPU américains les plus puissants, les labos chinois ne peuvent pas empiler la puissance de calcul, alors ils optimisent la mémoire et l'architecture. Moonshot prouve qu'on peut jouer dans la cour des géants américains sans leurs puces, et en open-weight de surcroît. Attention toutefois : ce mastodonte ne s'installe pas à la maison, il vise les entreprises capables d'aligner 64 accélérateurs.

NVIDIA publie en open source Cosmos 3 Edge, un « modèle de monde » de 4 milliards de paramètres taillé pour tourner directement sur un robot, sans passer par un datacenter. Concrètement, il donne à une machine la capacité de comprendre une scène, d'anticiper ce qui va s'y passer, puis de générer l'action à exécuter, le tout en temps réel et sur l'appareil lui-même.

Ce qu'il sait faire :
- Il avale de la vision, du texte et de l'audio, et produit en sortie des prédictions vidéo, des actions robotiques et du raisonnement, dans un seul modèle embarqué
- 15 images par seconde en temps réel sur une carte Jetson Thor, avec 32 actions générées par inférence en résolution 640×360
- Deux « tours » de transformer collaborent : une autoregressive pour comprendre la scène, une de diffusion pour prédire et générer les gestes, sur une représentation commune
- 1er de sa catégorie (modèles 4B) au benchmark VANTAGE-Bench, et adaptable à un robot ou un capteur précis en environ une journée
- Téléchargeable librement sur Hugging Face sous licence open source à usage commercial : aucun coût par token, il suffit d'un GPU NVIDIA (RTX, DGX ou Jetson) pour le faire tourner

Ce que ça change : faire tourner un cerveau robotique en local, sans dépendre du cloud, c'est la promesse d'usines, d'entrepôts et d'hôpitaux où les machines réagissent sans latence réseau ni fuite de données. NVIDIA verrouille au passage son écosystème : le modèle est gratuit, mais le matériel qui l'exécute est signé NVIDIA. Les géants japonais de la robotique (Fanuc, Yaskawa, Sony) ont d'ailleurs déjà rejoint la coalition Cosmos.

Selon The Information, Google met au point une puce serveur maison, surnommée « Frozen v2 », capable de générer 6 à 10 fois plus de mots par watt que ses puces IA actuelles. L'idée : graver une partie de l'architecture de Gemini directement dans le silicium, pour que le modèle consomme beaucoup moins à chaque réponse.

Les points essentiels :
- Une puce d'inférence qui vient compléter les TPU maison de Google (elle ne les remplace pas), pour faire tourner Gemini à moindre coût énergétique
- Le gain de 6 à 10x en tokens par watt vient du câblage de l'architecture du modèle dans la puce, au prix d'une contrainte : elle ne fonctionnerait qu'avec de futures versions de Gemini restées fidèles à cette architecture
- Déploiement visé en 2028 ; interrogé, Google n'a ni confirmé ni démenti, évoquant sa recherche continue de « performance et efficacité maximales »
- L'objectif à peine voilé : réduire la dépendance à Nvidia et desserrer les pénuries de calcul internes qui brident aujourd'hui certains clients de Google Cloud
- La Bourse a validé : l'action Alphabet a pris 3% dans la foulée du rapport

L'impact à retenir : Google rejoint OpenAI (avec sa puce « Jalapeño ») et Anthropic (en discussion avec Samsung) dans la course aux puces maison. Le message envoyé aux investisseurs, inquiets des dépenses colossales du secteur, est clair : l'efficacité, et non plus seulement la puissance brute, devient l'argument de vente. Nvidia, lui, voit désormais ses plus gros clients chercher activement à s'émanciper.

ACT-2 : un robot plie du linge qu'il n'a jamais vu à 99,1% Sunday AI dévoile ACT-2, un modèle robotique qui réussit à 99,1% le pliage de linge dans des maisons totalement inconnues, en zero-shot. La vraie percée n'est pas le score mais la méthode : un seul exemple de fine-tuning suffit désormais à enseigner un geste qui se généralise ailleurs, ce qui casse l'équation des données en robotique. Successeur d'ACT-1 (novembre 2025), il marie pour la première fois large généralisation et haute fiabilité.

Un drone conçu par IA devient presque invisible en vol Des ingénieurs de Northwestern University ont bâti Phantom Twist, un drone qui tourne sur lui-même jusqu'à 25 fois par seconde : trop vite pour l'œil humain, il se dissout en un flou fantomatique, sans camouflage ni panneau transparent. Sa mécanique inhabituelle (un seul moteur, une hélice tournant à l'inverse du corps) a été générée par IA parmi près de 20 000 configurations simulées, évaluées par un modèle imitant la vision humaine. But visé : observer la faune ou des infrastructures sans les perturber.

Une IA prédit le risque d'infarctus des années à l'avance Avec les données de la UK Biobank, des chercheurs ont entraîné CardiOmicScore, un réseau de deep learning qui croise génomique, 2 920 protéines et 168 métabolites pour estimer le risque de six maladies cardiovasculaires. Couplé aux facteurs cliniques habituels, il améliore la prédiction jusqu'à 15 ans avant l'apparition de la maladie, et pointe de nouveaux biomarqueurs pour de futurs traitements ciblés.

Un graphe de mémoire aide les agents IA à réussir du premier coup Des chercheurs transforment les tentatives passées d'un agent, échecs comme réussites, en une carte d'actions et de corrections : l'Experience Memory Graph. Au moment d'agir, l'agent récupère la leçon pertinente et boucle la tâche en un seul essai, sans répéter ses erreurs. Sur les bancs d'essai ALFWorld et ScienceWorld, la méthode bat les meilleures approches de « réflexion » existantes.

Les agents IA échouent rarement seuls : c'est leur contexte qui lâche Une étude montre que les ratés des agents viennent surtout de leur environnement (instructions floues, outils mal décrits, mémoire, règles de sécurité) plus que du modèle lui-même. En notant ce contexte opérationnel sur sept dimensions, les auteurs parviennent à prédire l'échec d'un agent avant même la fin de sa tâche, offrant un vrai outil de diagnostic préventif.

Hugging Face révèle qu'une partie de son infrastructure de production a été attaquée par un système d'agent IA entièrement autonome, capable d'enchaîner des milliers d'actions sans intervention humaine. Le plus troublant : pendant l'analyse forensique, les modèles IA commerciaux utilisés par les défenseurs ont gêné la riposte, leurs garde-fous refusant de distinguer les données d'exploitation des vraies attaques. Un avant-goût très concret des cyberattaques pilotées par agents, et de leurs angles morts.

La startup Sunday Robotics (valorisée 1,15 milliard de dollars) fait tourner son robot domestique Memo avec le modèle ACT-2, qui réussit le pliage de linge à plus de 99% dans des foyers jamais visités, sur des vêtements jamais vus à l'entraînement. La recette : un apprentissage à partir de gants sensorisés portés par des humains, puis un affinage par une flotte de robots qui apprend de ses propres erreurs. Memo doit arriver chez des particuliers en bêta dès cet automne.

Adobe enrichit Project Indigo, son appli photo expérimentale sur iOS, d'une fonction qui critique vos clichés comme le ferait un pro : cadrage, lumière, couleurs, impact émotionnel, avec des suggestions pour refaire la prise. S'y ajoutent la suppression d'objets avancée (personnes, poteaux, véhicules, déchets), la génération de profondeur de champ et le transfert de style (aquarelle, encre, monochrome). Le projet est piloté par Marc Levoy, l'homme derrière les prouesses photo des Pixel de Google.

Le Model Context Protocol, la « tuyauterie » qui laisse des IA comme Claude accéder à vos outils (Gmail, Slack, Salesforce), reçoit une mise à jour clé : il abandonne les sessions à état pour un fonctionnement sans état, plus proche du web classique. Résultat, les serveurs MCP deviennent bien plus faciles et moins coûteux à déployer à grande échelle derrière des load balancers. Le détail vient de la startup Arcade (60 millions de dollars levés), spécialisée dans les agents IA en entreprise.

À la World Artificial Intelligence Conference de Shanghai, la société chinoise BrainCo a présenté une plateforme qui commande bras robotiques, humanoïdes et robots-chiens par la pensée. Un casque EEG capte les signaux cérébraux du porteur et les traduit en mouvement, sans bouton, sans voix, sans geste. Démonstration à l'appui : un bras robotique a saisi une tasse puis attrapé une pomme, guidé uniquement par l'intention de l'utilisateur.

Neill Blomkamp, réalisateur de District 9, publie « Nightborne », un court-métrage de science-fiction horrifique de 13 minutes entièrement produit avec le modèle vidéo Seedance 2.0. Il a dirigé l'ensemble plan par plan via des prompts textuels, et fonde dans la foulée un studio, Barley Studios, pour produire cette fois un long-métrage complet généré par IA. La frontière entre cinéma et génération vidéo continue de s'effacer.

Contre-intuitif mais malin : NVIDIA fait circuler un liquide de refroidissement à 45°C (plus chaud qu'un jacuzzi) dans ses serveurs IA de génération Rubin. À cette température, plus besoin de refroidisseurs mécaniques énergivores. Le gain : environ 4 millions de dollars par an économisés sur une installation de 50 mégawatts, et une consommation d'eau qui chute de 2,6 millions de gallons par mégawatt et par an à quasiment zéro.

Plutôt qu'une interdiction frontale, l'administration Trump miserait sur une pression graduelle pour décourager l'usage des modèles IA chinois aux États-Unis : ajout de labos chinois aux listes de sanctions, responsabilité juridique des entreprises américaines en cas de faille, règles informelles. Objectif implicite : protéger les positions d'OpenAI, Google et Anthropic sur leur marché intérieur. Le tout vise des modèles comme Kimi (Moonshot) ou GLM (Z.ai), justement en train de rattraper les américains.

Selon Fortune, le ras-le-bol d'une partie de l'électorat américain envers l'IA se traduit désormais dans les urnes : des élus perçus comme trop favorables à la technologie perdent leur siège. Un signal contre-intuitif, à l'heure où le secteur pèse des centaines de milliards, et un rappel utile que l'acceptabilité sociale de l'IA n'est pas acquise, même dans le pays qui la fabrique.

YouTube clarifie sa politique de monétisation pour freiner le contenu IA bas de gamme. Trois catégories deviennent inéligibles au programme partenaire : le contenu répétitif ou basé sur des templates, le contenu choquant ou dérangeant, et les personas IA qui traitent de sujets sensibles comme la santé ou la finance. L'idée : bloquer le « content farming » automatisé sans punir les créateurs qui utilisent l'IA de façon créative. À noter pour quiconque publie sur la plateforme.

Chris Fall, directeur du CAISI (l'agence de standards et de tests de sécurité IA rattachée au NIST), a quitté son poste sans explication, à peine trois mois après sa nomination. C'est le troisième responsable IA de l'administration Trump à partir en un an : son prédécesseur, Collin Burns, avait été poussé dehors en une semaine à cause de son passé chez Anthropic. Le tout sur fond de débat autour d'un possible bannissement des modèles chinois.

Une juge fédérale a définitivement approuvé l'accord entre Anthropic et un collectif d'auteurs et d'éditeurs : 1,5 milliard de dollars, soit environ 3 000 dollars pour chacune des quelque 500 000 œuvres, pour avoir téléchargé des livres piratés afin d'entraîner ses modèles. Le juge avait estimé que l'entraînement sur des textes protégés relève du fair use, mais que se les procurer sur des sites pirates était illégal. L'affaire n'ira pas en appel : pas de jurisprudence nationale, et les procès contre Google, Meta, OpenAI et Midjourney continuent.

Sony Music attaque en justice le générateur de musique IA Udio, l'accusant d'avoir utilisé plus de 30 000 chansons protégées pour entraîner son modèle, d'Hound Dog d'Elvis Presley à des titres de Beyoncé et Harry Styles. La plainte, déposée à New York, s'ajoute au procès lancé en 2024 par Sony, Universal et Warner contre Udio et Suno. Le bras de fer entre les majors et les IA musicales ne cesse de s'intensifier.

OpenAI publie un retour d'expérience sur le déploiement de modèles capables d'exécuter des tâches longues et autonomes. L'entreprise y détaille les nouveaux risques de sécurité propres à ces systèmes, les défaillances concrètes observées en conditions réelles, et la manière dont son approche de déploiement itératif a permis de renforcer les garde-fous. Une lecture utile à l'heure où les agents autonomes se multiplient partout.

Microsoft étend l'infrastructure IA d'Azure avec la nouvelle plateforme Helios d'AMD, censée concurrencer les systèmes GPU de Nvidia dès la seconde moitié de 2026. Un profil GitHub public laisse même penser qu'Anthropic teste aussi du matériel AMD. De quoi accentuer la pression sur le pouvoir de fixation des prix de Nvidia, dont les plus gros clients cherchent tous, désormais, à réduire leur dépendance.

La startup britannique CuspAI, qui utilise l'IA pour simuler et découvrir de nouveaux matériaux, lève 450 millions de dollars avec la participation de Jeff Bezos, et lance avec Nvidia et Meta une « AI Materials Foundry » réunissant 45 organisations. Cap sur les matériaux pour semi-conducteurs, l'énergie propre et la fabrication avancée : l'objectif est de réduire drastiquement le nombre de candidats à tester en laboratoire.

Selon une étude de Nikkei, la dette hors bilan des cinq plus grands groupes tech américains a été multipliée par huit en quatre ans, à environ 1 650 milliards de dollars, sous l'effet des investissements dans l'IA. À elle seule, Meta en porterait près de 420 milliards, presque le triple de sa dette classique. Ce financement opaque des data centers rend l'évaluation des risques de plus en plus difficile pour les investisseurs.