SAMEDI 17 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| → | Google : Gemini 4 Argon est ouvert à tous depuis le 13 octobre ; le prix de l'API double fin novembre. | | → | Nvidia : Nemotron 3.5 Super VL et Bolt, modèles à poids ouverts pour agents, dont un pour 24 Go de mémoire. |
| |
 1 · MODÈLES Google : Gemini 4 Argon ouvert à tous, avec un prix qui double fin novembre 13/10 ouverture générale
annoncée par Google | | 1 M jetons de contexte
(entrée et sortie) | | x 2 prix de l'API
après l'offre d'essai |
Ce qui s'est passé. Le 13 octobre, Google a annoncé que son modèle Gemini 4 Argon, présenté le 30 septembre à un cercle restreint de spécialistes de cybersécurité, était disponible pour tous : par l'interface de programmation (API) pour les développeurs, et dans l'application Gemini pour les abonnés Google AI Pro et Ultra, avec un déploiement par étapes. Le tarif d'introduction est de 2 dollars par million de jetons (des morceaux de mots) en entrée et 10 dollars en sortie ; Google indique que « the price of $4 per 1M input tokens and $20 per 1M output tokens will apply » (le prix de 4 dollars en entrée et 20 dollars en sortie s'appliquera) à partir du 30 novembre ; d'autres sites parlent du 1er décembre. La fenêtre de contexte annoncée est de 1 million de jetons partagés entre entrée et sortie. Les performances citées par Google sont des annonces. Deux évaluateurs indépendants sont cités par Let's Data Science : Vals AI classe le modèle premier de son indice (68,9 %), tandis qu'Artificial Analysis le place huitième sur 216 modèles, à égalité avec d'autres (53 points), avec un taux d'hallucination de 15 % sur son test, le plus bas parmi les modèles notés 45 ou plus. Sur le code autonome, la comparaison avec les modèles d'Anthropic vient de Google lui-même. L'ÉCLAIRAGEPremier ou huitième : pourquoi deux classements différents ? Un modèle d'IA n'a pas une « note » unique. Chaque évaluateur choisit ses épreuves et leur poids. L'indice de Vals AI mesure des tâches de finance, de code, de droit et de fiscalité, pondérées par le poids de ces secteurs dans l'économie américaine ; celui d'Artificial Analysis réunit dix évaluations plus générales. Un modèle peut donc être premier sur l'un et huitième sur l'autre sans contradiction. Le taux d'hallucination est la part de réponses inventées quand le modèle ne sait pas : ici 15 % sur un test précis, qui ne dit rien des autres usages. Enfin, le prix en jetons n'est pas le prix d'une tâche : un modèle qui « réfléchit » longtemps consomme plus de jetons en sortie. LES POINTS DE VUE ENTREPRISE Google annonce du 13 octobreGoogle dit viser avec Argon les tâches professionnelles et indique que des centaines de partenaires de son programme Fairwind, réservé à la cyberdéfense, y accéderont « without cyber guardrails on a rolling basis » (sans garde-fous de cybersécurité, au fil de l'eau). Source : Google → CHERCHEURS Vals AI, Artificial Analysis évaluations citées par Let's Data ScienceVals AI classe Argon premier sur son indice (68,9 %) ; Artificial Analysis le place huitième avec 53 points et note un taux d'hallucination de 15 %, le plus bas des modèles à 45 points ou plus. Source : Let's Data Science → Régulateurs, salariés, société civile : pas de réaction relevée CE QUE ÇA CHANGE
Pour un développeur ou une entreprise, l'offre d'essai à 2 et 10 dollars incite à tester avant la fin novembre, puis le coût double. Pour un particulier, l'accès passe par un abonnement payant (Pro ou Ultra). Les sources consultées ne mentionnent pas d'accès pour la version gratuite.
ET APRÈS ?
Le prix double autour du 30 novembre ou du 1er décembre selon les sources. Les comparaisons indépendantes sur le code autonome restent à publier. |
|
 2 · PUCES & INFRA Nvidia : deux modèles à poids ouverts pour agents, dont un pour 24 Go 120 Md paramètres de
Super VL (12 Md actifs) | | 1 M jetons de contexte
de Super VL | | 24 Go mémoire visée par
Bolt 74B-A9B |
Ce qui s'est passé. Le 15 octobre, Nvidia a présenté deux modèles de sa famille Nemotron 3.5, pensés pour les « agents » (des programmes d'IA qui enchaînent des actions). Super VL compte 120 milliards de paramètres, dont 12 milliards actifs, accepte images et texte et une fenêtre de 1 million de jetons ; Nvidia dit qu'il égale ses plus gros modèles de raisonnement avec environ un cinquième des paramètres, et publie les poids, des jeux de données et les méthodes d'entraînement. Bolt 74B-A9B en est une version compressée (74 milliards de paramètres, 9 milliards actifs, quantification sur 2 bits) conçue pour tenir dans 24 Go de mémoire, sur des cartes RTX ou des machines DGX Spark ; une version Bolt E4B de 4 Go est attendue le 23 octobre. Les chiffres de vitesse et de classement sont ceux de Nvidia. Artificial Analysis, un évaluateur indépendant, donne à Super VL 26 points sur son indice (« now the leading US open weight model, scoring 26 on the Artificial Analysis Intelligence Index », soit « désormais le modèle américain à poids ouverts le plus performant, avec 26 points ») et 21 à Bolt ; son propre texte varie légèrement (26 ou 26,5). L'ÉCLAIRAGEComment faire tenir un grand modèle dans 24 Go ? Un modèle est un très grand tableau de nombres (les paramètres), chacun stocké sur plusieurs bits. La quantification réduit ce nombre de bits : à 2 bits par paramètre, le tableau est bien plus petit qu'à 16 bits, au prix d'une précision moindre. Bolt combine deux idées : il est compressé à partir de Super VL plutôt qu'entraîné de zéro, selon le rapport technique de Nvidia, et il est de type mélange d'experts (seuls 9 milliards de paramètres travaillent à chaque calcul). Tout cela vise un usage local, sur son propre ordinateur, sans envoyer ses données à un service en ligne. La limite : les scores indépendants (21 contre 26) montrent que la version réduite est moins performante que la version complète. LES POINTS DE VUE ENTREPRISE Nvidia annonce du 15 octobreNvidia dit que Super VL offre jusqu'à cinq fois le débit de modèles comparables et que Bolt est premier des modèles ouverts de sa catégorie sur PinchBench ; ces mesures sont celles de l'entreprise. Source : Nvidia → CHERCHEURS Artificial Analysis article du 15 octobreL'évaluateur note 26 points pour Super VL et 21 pour Bolt, et précise que ses tests ne remplacent pas une évaluation propre à chaque usage. Source : Artificial Analysis → Régulateurs, salariés, société civile : pas de réaction relevée CE QUE ÇA CHANGE
Pour un particulier équipé d'une carte graphique récente, faire tourner un modèle d'agent chez soi devient plus concret, sans abonnement. Pour une entreprise, les poids ouverts permettent un déploiement sur ses propres serveurs, utile pour les données sensibles. La licence exacte n'est pas précisée dans les sources consultées : à vérifier avant tout usage commercial.
ET APRÈS ?
Bolt E4B (4 Go) est annoncé pour le 23 octobre par Nvidia. Des évaluations indépendantes de l'usage réel en entreprise n'ont pas encore été publiées. |
|
EN BREF AI Act : un projet de règlement sur les procédures de sanction. Le 12 octobre, la Commission européenne a ouvert une consultation sur un projet de règlement d'exécution (articles 75c et 75d) qui fixe comment elle mène ses procédures, avec l'accès au dossier par des conseillers extérieurs, la protection des secrets d'affaires et les délais de prescription de cinq ans pour les amendes. Il vise les systèmes d'IA construits sur des modèles à usage général par un même fournisseur et ceux intégrés à de très grandes plateformes. Le texte n'est pas adopté et exprime les « vues préliminaires des services » ; les retours sont attendus jusqu'au 9 novembre, pour une adoption prévue au quatrième trimestre. Google : des évaluations indépendantes encore partielles. Pour Gemini 4 Argon, le compte rendu de Let's Data Science rapporte qu'Artificial Analysis relève un taux d'hallucination de 15 %, contre 51 % pour GPT-6 Astra sur le même test. Ces chiffres portent sur un seul test. Source unique : Let's Data Science : article | |
| LE CHIFFRE DU JOUR 26 000 Md de jetons environ (26 trillions) : la quantité de texte et de données que Nvidia dit avoir utilisée pour entraîner Nemotron 3.5 Super VL, selon IT Brief et SiliconANGLE. Chiffre de l'entreprise, non vérifié. | |
| COMMENT ÇA MARCHE Entraînement et inférence : deux moments, deux coûts Un modèle de langage vit en deux temps. L'entraînement est la phase où il lit d'énormes quantités de texte (ici, des milliers de milliards de jetons) pour régler ses paramètres ; elle se fait une fois, sur de gros centres de calcul. L'inférence est la phase où l'on s'en sert pour produire une réponse ; elle se répète à chaque question. L'API de Google facture l'inférence au jeton, d'où les prix par million de jetons. Les modèles Bolt de Nvidia visent le même but autrement : réduire la taille du modèle pour que l'inférence se fasse sur sa propre machine. | |
| À VENIR | | | Nvidia : sortie annoncée de Nemotron 3.5 Bolt E4B (4 Go), selon Nvidia (Nvidia). | | Commission européenne : fin de la consultation sur le projet de règlement d'exécution de l'AI Act (Commission). | | Google : fin du tarif d'introduction de Gemini 4 Argon ; 4 et 20 dollars par million de jetons ensuite (Google). |
| |
| VRAI OU FAUX ? Le modèle Bolt 74B-A9B de Nvidia est conçu pour tenir dans 24 Go de mémoire. Réponse : Vrai. selon Nvidia, ce modèle de 74 milliards de paramètres utilise une quantification sur 2 bits pour tenir dans 24 Go, sur des cartes RTX ou des machines DGX Spark. | |
LE LEXIQUE DU JOURQuantification
Réduction du nombre de bits qui stockent chaque paramètre, pour alléger un modèle ; quantization en anglais. Inférence
Phase où un modèle déjà entraîné produit une réponse. Mélange d'experts
Modèle dont seule une partie des paramètres travaille à chaque calcul ; mixture of experts en anglais. Agent
Programme d'IA qui enchaîne plusieurs actions pour atteindre un but. | |
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
|
|
