MERCREDI 14 OCTOBRE 2026
IA & TECH
L'IA va plus vite que les explications. On reprend depuis le début.
Un modèle, une loi, une puce : ce qui a changé, comment ça marche et ce qu'en disent les spécialistes.
Chaque jour, un nouvel éclairage sur l'intelligence artificielle et la tech.
|
EN 30 SECONDES| → | Meta : Muse Wonder, son premier modèle de pointe, à 4 $ le million de jetons en entrée ; scores annoncés par Meta seule. | | → | Anthropic : des modèles de petite taille pourraient bientôt se copier seuls sur des objets connectés ; rien de tel observé dans le monde réel. | | → | Évaluateurs : selon Reuters, Anthropic et OpenAI veulent garder la main sur ce que les évaluateurs externes publient. |
| |
 1 · MODÈLES Meta : Muse Wonder, son premier modèle d'IA de pointe, est lancé 4 $ le million de jetons
en entrée (Wonder) | | 20 $ le million de jetons
en sortie (Wonder) | | 12/10 date du
lancement |
Ce qui s'est passé. Le 12 octobre, Meta a présenté deux modèles d'intelligence artificielle, Muse Wonder et Muse Wonder Full, qu'elle décrit comme ses modèles les plus capables, conçus pour des tâches d'« agents » personnels et professionnels (des programmes qui enchaînent des actions pour atteindre un objectif). Selon Meta, ils ont été entraînés dans son centre de données Prometheus, d'échelle « gigawatt ». Muse Wonder est disponible par l'interface de programmation de Meta et dans Muse Code ; Muse Wonder Full est réservé aux abonnés de Muse Code. Selon TechCrunch, Wonder est facturé 4 dollars par million de jetons (les unités de texte que le modèle lit) en entrée et 20 dollars en sortie. Meta met en avant une « mémoire active », qui retient les informations données par l'utilisateur sur de longues périodes. Les résultats d'évaluation sont ceux de Meta : l'entreprise annonce des scores comparables à ceux de Claude Fable 5.1 et de GPT-6 Astra, et supérieurs sur MemoryBench, un test de mémoire. TechCrunch ne cite aucune évaluation indépendante. L'ÉCLAIRAGEUn modèle « de pointe », c'est quoi, et que vaut une annonce de score ? Un modèle de pointe (frontier model en anglais) désigne les systèmes les plus capables du moment. Un agent est un modèle relié à des outils, qui accomplit une suite de tâches plutôt que de répondre à une seule question. Le prix par million de jetons permet de comparer : un jeton vaut environ trois quarts de mot.
Démontré ou annoncé ? Les scores viennent de tests choisis et publiés par Meta. Tant qu'un évaluateur indépendant ne les a pas reproduits, ils restent une annonce. LES POINTS DE VUE ENTREPRISE Meta annonce du 12 octobre« Together, they mark the next step on our scaling ladder and a major leap toward personal superintelligence » Soit : « ensemble, ils marquent la prochaine étape de notre échelle de montée en puissance et un grand pas vers la superintelligence personnelle ». Source : Meta → Concurrents, évaluateurs indépendants, régulateurs : pas de réaction relevée CE QUE ÇA CHANGE
Pour un développeur ou une entreprise, un acteur de plus propose un modèle de pointe par interface de programmation, au tarif d'Opus 5.5 ou de GPT-6 Sol selon TechCrunch. Pour le grand public, rien ne change tout de suite : Meta ne donne pas de calendrier pour l'application Muse.
ET APRÈS ?
Muse Wonder doit alimenter Muse « bientôt », d'abord pour les abonnés, selon Meta, sans date. | |
 2 · RECHERCHE Anthropic : l'IA pourrait bientôt se copier seule sur des objets connectés 15 boîtiers Android TV
reliés pour le test | | 55 $ prix unitaire
d'un boîtier | | 8/9 types de matériel
où un modèle de 9 Md
a lancé l'inférence |
Ce qui s'est passé. Le 12 octobre, l'équipe « Frontier Red Team » d'Anthropic, signée William Zhou et Daniel Freeman, a publié une étude sur l'auto-réplication d'une IA, c'est-à-dire sa capacité à se copier d'une machine à l'autre sans aide humaine. Les auteurs estiment que de petits modèles pourraient être à quelques mois d'en être capables sur des objets connectés du commerce, comme des fours ou des boîtiers Android TV bon marché. Pour le montrer, ils ont fait tourner un modèle de 26 milliards de paramètres, Gemma4-26B-A4B, réparti sur 15 boîtiers à environ 55 dollars pièce, à 0,39 jeton par seconde, soit très lentement. Un modèle de 9 milliards de paramètres a réussi à lancer le calcul de réponses (l'« inférence ») sur 8 des 9 types de matériel testés. Anthropic précise que son test simplifie la partie piratage et constitue donc une borne haute du succès réel, et qu'il s'agit d'une extrapolation de tendance. Selon Fox News, les chercheurs n'ont pas démontré de ver d'IA pleinement autonome dans le monde réel. L'ÉCLAIRAGEQu'est-ce qu'un « ver » d'IA, et pourquoi des objets bon marché ? Un ver informatique est un programme qui se copie de machine en machine sans intervention humaine. Un ver d'IA emporterait avec lui un modèle capable de s'adapter à des appareils inconnus, ce que les virus classiques font mal. Les objets connectés sont peu protégés et nombreux, mais très peu puissants : d'où la lenteur mesurée (0,39 jeton par seconde).
Démontré ou annoncé ? Démontré en laboratoire : le montage de 15 boîtiers et le lancement du calcul sur 8 types de matériel. Extrapolé : l'échéance de fin d'année. Non démontré : une propagation réelle. LES POINTS DE VUE ENTREPRISE Anthropic équipe Frontier Red Team, 12 octobre« small AI models may be months away from being capable enough to self-replicate » Soit : « de petits modèles d'IA pourraient être à quelques mois d'être assez capables pour s'auto-répliquer ». Source : Anthropic → Chercheurs indépendants, fabricants d'objets connectés, autorités de cybersécurité : pas de réaction relevée CE QUE ÇA CHANGE
Pour un utilisateur, le risque cité est celui d'objets mal protégés (ports ouverts, mots de passe par défaut) que l'on ne met jamais à jour. Pour les fabricants et les autorités, l'étude pèse sur la sécurité par défaut. Horizon avancé par Anthropic : fin 2026 pour la capacité de modèles de petite taille.
ET APRÈS ?
Anthropic juge que de petits modèles pourraient atteindre ce niveau d'ici la fin de l'année s'ils progressent à leur rythme passé ; aucune échéance réglementaire n'est annoncée dans l'étude. | |
 3 · RÉGULATION Évaluateurs d'IA : Reuters décrit un bras de fer sur ce qui est publié 1 Md$ investissement prévu
par partie, 5 ans | | 18/09 annonce de
l'évaluateur intégré | | 2 laboratoires
cités par Reuters |
Ce qui s'est passé. Le 13 octobre, Reuters a rapporté, d'après deux personnes au fait des discussions, qu'Anthropic et OpenAI ont cherché à garder un contrôle important sur ce que des évaluateurs externes de leurs modèles peuvent publier, par crainte d'exposer des secrets industriels. Selon l'agence, jusqu'au 5 octobre au moins, les deux laboratoires voulaient encadrer strictement ces publications ; au 8 octobre, les discussions d'Anthropic avec certains évaluateurs semblaient avoir avancé. Le 18 septembre, Anthropic avait annoncé que Faculty, l'activité d'IA d'Accenture, serait son premier évaluateur « intégré », avec un accès comparable à celui d'un employé, chaque partie prévoyant d'investir au moins 1 milliard de dollars sur cinq ans. Selon Reuters, Anthropic se réserve le droit de relire et valider les rapports de nouveaux partenaires, tandis qu'OpenAI ne veut pas approuver des rapports entiers mais retire d'ordinaire les détails sensibles. Anthropic a confirmé en septembre qu'il n'existe pas encore de normes sur ce à quoi les évaluateurs ont accès ni sur la manière de rendre compte. Le contenu de l'article de Reuters est ici repris via The Next Web, faute d'accès direct. L'ÉCLAIRAGEPourquoi un évaluateur « intégré » pose-t-il question ? Aujourd'hui, des évaluateurs externes testent un modèle de l'extérieur, souvent peu de temps avant sa sortie. Un évaluateur intégré travaille à l'intérieur du laboratoire, voit les modèles en cours d'entraînement et peut parler aux employés. Plus l'accès est large, plus la question de ce qu'il a le droit de publier compte : sans publication libre, la vérification reste difficile à juger depuis l'extérieur.
Démontré ou annoncé ? Les engagements sont publics, mais le détail des contrats ne l'est pas ; l'article de Reuters repose sur deux sources anonymes. LES POINTS DE VUE ENTREPRISE Anthropic annonce du 18 septembre« do not reduce our accountability, but help to make it more verifiable » Soit : les évaluateurs indépendants « ne réduisent pas notre responsabilité, mais aident à la rendre plus vérifiable ». Anthropic ajoute que la sécurité de ses modèles reste sa responsabilité. Source : Anthropic → ENTREPRISE OpenAI position rapportée par ReutersElle ne veut pas approuver des rapports entiers, mais retire d'ordinaire les détails secrets. Les évaluateurs peuvent signaler quand de larges coupes ont été faites, selon l'agence. Source : The Next Web (Reuters) → CHERCHEURS Rumman Chowdhury ancienne envoyée scientifique américaine pour l'IASelon Reuters, elle juge que les laboratoires peuvent se servir de l'accès comme d'un levier tant qu'il n'existe pas de règles. Propos rapportés, sans guillemets : le texte intégral de Reuters n'a pas pu être consulté. Source : The Next Web (Reuters) → Faculty / Accenture : pas de commentaire relevé dans les sources consultées sur les points de contrôle ; OpenAI : pas de communiqué direct relevé CE QUE ÇA CHANGE
Pour un utilisateur, rien d'immédiat. Pour les entreprises qui s'appuient sur ces modèles, la crédibilité des vérifications de sécurité dépend de ce que les évaluateurs peuvent dire publiquement. À défaut de loi, ce sont des contrats qui fixent ces règles.
ET APRÈS ?
Anthropic a dit vouloir annoncer d'autres évaluateurs « dans les semaines à venir » ; OpenAI prévoit de laisser des groupes externes tester ses modèles pendant l'entraînement. | |
EN BREF Usages grand public : peu d'abonnés payants. Dans son classement du 5 octobre, le fonds Andreessen Horowitz estime qu'en août 4,5 % des consommateurs américains avaient un abonnement personnel payant à ChatGPT, Gemini ou Claude, et que les 10 % qui dépensent le plus représentent environ la moitié des dépenses observées. Audience : ChatGPT loin devant. Selon le même classement, ChatGPT compte environ deux fois plus de visites web que Gemini et six fois plus que Claude en août ; seuls 11 produits y entrent pour la première fois, le plus faible nombre depuis 2023. Il s'agit d'un fonds d'investissement, qui s'appuie sur des données de trafic tierces. | |
| LE CHIFFRE DU JOUR 0,39 jeton par seconde : la vitesse à laquelle Anthropic a fait tourner un modèle de 26 milliards de paramètres sur 15 boîtiers Android TV. À titre de repère, un jeton vaut environ trois quarts de mot : le montage fonctionne, mais très lentement. Mesure publiée par Anthropic, non reproduite de façon indépendante. | |
| COMMENT ÇA MARCHE Les jetons, les paramètres et l'inférence Un modèle d'IA ne lit pas des mots mais des jetons, des morceaux de texte : un mot courant en vaut souvent un ou deux. Ses paramètres sont les nombres, appris pendant l'entraînement, qui déterminent ses réponses ; « 26 milliards de paramètres » donne une idée de sa taille. L'inférence est le moment où le modèle produit une réponse, jeton après jeton. C'est elle qui coûte à chaque usage, d'où les tarifs « par million de jetons » de Meta, et c'est elle que des boîtiers peu puissants font tourner lentement. Plus le modèle est gros, plus il faut de mémoire et de puissance de calcul. | |
| À VENIR | | | OCP Global Summit : dernier jour du sommet de San José (OCP). | | Italie : entrée en vigueur du décret n° 179 sur l'AI Act (Normattiva). | | Mistral AI : publication annoncée des poids de Large 4 (mistral.ai). | | Anthropic : entrée en vigueur de sa nouvelle politique d'usage (Anthropic). |
| |
| VRAI OU FAUX ? Dans l'étude d'Anthropic, un modèle de 9 milliards de paramètres a réussi à se répliquer de bout en bout sur les neuf types de matériel testés. Réponse : Faux. selon Anthropic, ce modèle a lancé l'inférence sur 8 des 9 types de matériel testés, sans copie de bout en bout ; la réplication complète n'a été obtenue que par des modèles plus puissants, dans des tests simplifiés. | |
LE LEXIQUE DU JOURJeton
Unité de texte que lit et produit un modèle ; token en anglais. Paramètre
Nombre appris pendant l'entraînement qui oriente les réponses d'un modèle. Inférence
Phase où un modèle déjà entraîné produit une réponse. Ver informatique
Programme qui se copie seul d'une machine à l'autre ; worm en anglais. | |
ÉCLAIRAGE IA & TECH · Comprendre avant de se faire une opinion.
Une newsletter accessible pour comprendre l'intelligence artificielle, les technologies numériques, leurs usages, leurs règles et leurs effets, même quand on part de zéro.
Notre méthode : chaque fait est confirmé par au moins 3 sources, dont une officielle ou d'agence. Les citations entre guillemets ont été vérifiées mot pour mot dans le texte des pages citées. Les annonces des entreprises sont présentées comme des annonces.
Photos Wikimedia Commons.
Lire sur liseuse (Kindle, Kobo, PocketBook) : eclairagemedia.com/read
|
|
