SoftBank veut injecter 75 milliards d'euros dans l'IA française

SoftBank prévoit de bâtir en France des data centers IA d'une capacité totale de 5 GW, ce qui constituerait son plus gros investissement en infrastructure IA en Europe. Le groupe japonais évoque une enveloppe de 75 milliards d'euros, dont 45 milliards déployés d'ici 2031 sur trois sites concentrés en Normandie. De quoi faire de l'Hexagone l'un des points névralgiques du calcul IA sur le continent, si tout se déroule comme annoncé.

Quelques chiffres clés :
- 75 milliards d'euros annoncés au total pour des data centers IA en France
- Une capacité visée de 5 GW, soit une part significative du calcul IA européen
- 45 milliards d'euros d'installations opérationnelles attendues d'ici 2031
- Trois sites regroupés en Normandie
- Le pari européen le plus ambitieux de SoftBank dans l'infrastructure IA à ce jour

Pourquoi ça compte : Si le projet se concrétise, la France grimperait au rang de hub majeur du calcul IA en Europe, avec des retombées directes sur la souveraineté numérique, l'emploi local et l'attractivité du pays auprès des labos. Reste un bémol de taille : SoftBank a l'habitude d'annoncer des mégaprojets spectaculaires qui peinent ensuite à se matérialiser. Le média le souligne d'ailleurs sans détour. Avant de crier à la révolution, mieux vaut donc attendre les premiers coups de pelle en Normandie.

Nvidia entre dans la course aux robots humanoïdes avec le chinois Unitree

Nvidia vient de lancer sa première plateforme de robotique humanoïde accessible publiquement, en s'appuyant sur les robots de la startup chinoise Unitree. Un partenariat qui officialise l'entrée du géant des puces dans la robotique humanoïde, au moment précis où Unitree prépare son entrée en bourse. Signe que le secteur passe de la démo de laboratoire au business à part entière.

Ce qu'il faut retenir :
- Nvidia déploie son premier système humanoïde public en s'appuyant sur le matériel d'Unitree
- Unitree, jeune pousse chinoise, s'impose comme un acteur clé de la robotique abordable
- La startup viserait une IPO, reflet de l'appétit grandissant des investisseurs pour la robotique IA
- Un axe États-Unis / Chine inédit pour Nvidia, alors que la robotique devient un terrain stratégique

Ce que ça change : Nvidia ne se contente plus de vendre les "cerveaux" (ses GPU) des robots, il fournit désormais la plateforme complète qui les fait fonctionner. Cela pourrait accélérer brutalement l'adoption des humanoïdes, en donnant aux constructeurs une base toute prête sur laquelle bâtir. Et le choix d'un partenaire chinois, en pleine rivalité technologique sino-américaine, en dit long sur qui mène réellement la course au hardware robotique grand public aujourd'hui.

Nvidia s'attaque au PC avec sa première puce ARM, Intel et AMD prévenus

Jensen Huang a dévoilé une puce basée sur l'architecture ARM destinée aux ordinateurs portables, marquant l'entrée officielle de Nvidia sur le marché du PC grand public. La puce équipera de nouveaux laptops signés Microsoft, Dell, HP et ASUS, une alliance qui place d'emblée Nvidia au cœur de l'écosystème Windows.

Les points essentiels :
- Première puce ARM de Nvidia pensée pour le PC grand public
- Des partenariats avec Microsoft, Dell, HP et ASUS dès le lancement
- Une diversification stratégique au-delà des GPU data center et gaming
- Nvidia s'invite frontalement sur le terrain d'Intel, d'AMD et de Qualcomm

L'impact à retenir : En misant sur l'ARM côté PC, Nvidia attaque un marché historiquement verrouillé par le x86 d'Intel et AMD, avec l'IA embarquée comme principal argument de vente. Pour les utilisateurs, cela promet une nouvelle génération de laptops Windows conçus dès le départ pour faire tourner de l'IA en local. Et pour le secteur, c'est une concurrence ravivée qui pourrait faire bouger les lignes, autant sur les performances que sur les prix.

Google met la vidéo dans Nano Banana et fait passer ses modèles d'images au niveau supérieur

Google rend généralement disponibles Nano Banana 2 (Gemini 3.1 Flash Image) et Nano Banana Pro (Gemini 3 Pro Image), ses deux modèles spécialisés dans la génération et l'édition d'images. La nouveauté qui change tout : ces modèles acceptent désormais des fichiers vidéo en entrée de prompt, et pas seulement du texte ou des images fixes.

En détail :
- Nano Banana 2 (Gemini 3.1 Flash Image) et Nano Banana Pro (Gemini 3 Pro Image) sont en disponibilité générale
- Les modèles acceptent désormais la vidéo comme entrée de prompt
- Ils analysent en profondeur sujets, actions et styles visuels d'une séquence
- Le tout est intégré à l'infrastructure cloud entreprise de Google Cloud

Pourquoi c'est important : Pouvoir nourrir un modèle d'image avec de la vidéo ouvre la porte à des workflows créatifs nettement plus riches : extraire un style, reproduire une action précise, décliner une scène en multiples variantes. Pour les créateurs, les agences et les studios, c'est un pas de plus vers des pipelines de production visuelle quasi entièrement pilotés par l'IA, directement sur l'infrastructure cloud d'entreprise.

🧠 RECHERCHE

Un modèle universel du vivant : Biohub cartographie les protéines : Biohub (initiative Chan Zuckerberg, dans l'orbite de Meta) publie Evolutionary Scale Models pour prédire et concevoir des protéines. Son modèle phare, ESMFold2, entraîné sur 2,8 milliards de séquences protéiques, affiche des résultats SOTA en prédiction de structure. À la clé, des applications très concrètes contre le cancer et les maladies immunitaires.

3 000 tokens/s par utilisateur sur des GPU standard : Kog AI annonce une optimisation d'inférence atteignant 3 000 tokens/s par utilisateur sur des GPU de datacenter classiques, soit 10 à 30 fois plus que les 100 à 300 tokens/s habituels. La méthode exploite une inefficacité cachée dans la génération de tokens par le GPU. Démontrée sur un modèle 2B, elle devrait passer à l'échelle des gros modèles MoE.

DeepSWE : le benchmark de code qui démasque les vrais écarts entre modèles : Datacurve lance DeepSWE, un benchmark de software engineering "long-horizon" bâti sur des tâches inédites plutôt que sur des issues GitHub publiques, afin d'éviter la contamination par l'entraînement. Résultats sans appel : GPT-5.5 à 70 %, GPT-5.4 à 56 %, Claude Opus 4.7 à 54 %. Des différences que les anciens tests masquaient totalement.

NVIDIA Cosmos 3, un modèle ouvert pour l'IA physique : NVIDIA publie Cosmos 3, un modèle open source omni-directionnel capable de raisonner et d'agir pour la robotique et l'IA physique. Il génère et comprend des vidéos pour simuler le comportement d'agents autonomes, une rareté à cette échelle dans l'open source. Un atout précieux pour entraîner et contrôler des robots sans repartir de zéro.

📲 RÉSEAUX SOCIAUX

🗞️PLUS D'ACTUALITÉS

Apple reconstruit Siri sur Google Gemini : Apple refond entièrement Siri en l'appuyant sur Google Gemini, lui offrant des capacités génératives comparables à ChatGPT. La nouvelle version s'intègre à la Dynamic Island, accessible d'un swipe, prend en charge la recherche web dopée à l'IA et les agents tiers, tout en exploitant les données on-device. De quoi transformer un assistant longtemps à la traîne en concurrent crédible, et ce sur des centaines de millions d'appareils.

La fusée New Glenn de Blue Origin explose au sol : Le lanceur New Glenn de Blue Origin a explosé lors d'un test moteur à Cape Canaveral, détruisant le booster ainsi que l'unique pas de tir opérationnel de l'entreprise. L'incident frappe de plein fouet le programme Artemis de la NASA, pour lequel Blue Origin joue un rôle clé. Un sérieux revers pour les ambitions lunaires de Jeff Bezos, qui devra reconstruire avant de pouvoir voler.

Epicure : trois IA qui cuisinent par recettes ou par chimie : Kaikaku.AI lance Epicure, trois modèles entraînés sur 4,14 millions de recettes et la base FlavorDB. Selon qu'ils apprennent les associations culinaires ou les relations chimiques entre ingrédients, leurs recommandations diffèrent nettement. La surprise : le modèle purement chimique surpasse les modèles "recettes" pour classer goûts et valeurs nutritionnelles, sans même accéder à ces données.

Le robot Atlas apprend le football en regardant des vidéos : Boston Dynamics dévoile une série de cinq vidéos où Atlas apprend le football de zéro, en analysant des séquences de jeu. Point d'orgue : l'exécution du "Ghost Rabona", l'un des gestes les plus difficiles du sport, qui exige un équilibre et une coordination redoutables. L'entreprise envisage de présenter Atlas et son quadrupède Spot lors de la Coupe du Monde 2026.

Anthropic interdit l'IA pendant ses entretiens d'embauche : Pour évaluer la vraie pensée des candidats, Anthropic bannit les outils IA durant ses entretiens, avec jusqu'à 5 tours couvrant compétences, valeurs et réflexion éthique. Les salaires grimpent jusqu'à 850 000 dollars, et un coaching préparatoire payant (4 600 dollars) est proposé. Une ironie assumée pour un labo d'IA qui demande à ses futurs employés de réfléchir... sans IA.

Bonsai Image 4B : la génération d'images qui tient sur votre machine : Ce nouveau modèle de 4 milliards de paramètres mise sur une quantification 1-bit pour tourner directement en local, sans connexion cloud. À la clé, une réduction drastique de la taille et de la latence, et une exécution possible aussi bien sur PC personnels que sur appareils edge. Son fort engagement sur HackerNews (357 upvotes) confirme l'appétit de la communauté pour une IA décentralisée et accessible.

Comment la Turquie a industrialisé la greffe capillaire grâce au machine learning : L'industrie turque de la greffe de cheveux, qui pèse plus d'un milliard de dollars, s'appuie sur des moteurs spécialisés et des algorithmes de machine learning pour optimiser ses procédures. Un cas d'école d'IA appliquée à un secteur médical très concret, où l'innovation technologique sert d'avantage compétitif décisif sur un marché ultra-concurrentiel.

Créer un jeu complet avec Codex en un seul prompt : Ce guide pratique montre comment exploiter la fonctionnalité "goals" de Codex pour construire un jeu de navigateur fonctionnel, sans relances manuelles répétées. La clé tient dans la formulation : poser des règles testables et des métriques mesurables pour laisser l'agent atteindre seul son objectif. Une belle démonstration de l'autonomie croissante des agents de code.

🎬DERNIÈRES VIDÉOS