
Tech • IA • Robotique
Moonshot AI lance Kimi K3, un modèle ouvert de 2,8 billions de paramètres avec 1M tokens de contexte. Il rivalise avec les meilleurs systèmes de OpenAI et Anthropic tout en étant bien moins cher (3 $ / 15 $ par million de tokens). Son architecture MoE optimise les coûts en n’activant qu’une fraction du réseau. L’adoption a été immédiate, avec une demande saturant rapidement l’accès.
Des responsables américains accusent Moonshot AI d’avoir distillé des données issues de Claude d’Anthropic à grande échelle. Ces allégations alimentent les tensions technologiques entre États-Unis et Chine. Elles pourraient déboucher sur des sanctions ou restrictions sur les modèles ouverts. Le débat sur la propriété intellectuelle dans l’IA atteint un nouveau seuil critique.
Sam Altman déclare que l’humanité est déjà dans la singularité technologique. Il décrit l’IA comme un « génie » capable d’exécuter presque toute intention humaine. Le goulot d’étranglement devient l’imagination plutôt que la puissance de calcul. Cette vision repositionne l’IA comme moteur central de décision, créativité et recherche.
Nvidia, avec Microsoft, Palantir et SpaceX, lance l’Open Secure AI Alliance. L’objectif est de défendre l’IA open source comme outil clé de cybersécurité. Les membres cumulent plus de 18 000 milliards de dollars de capitalisation. Cette coalition s’oppose à des régulations trop restrictives sur les modèles ouverts.
Les autorités américaines envisagent de limiter certains modèles avancés, notamment venus de Chine. Les préoccupations portent sur les usages malveillants et la sécurité nationale. En face, l’industrie plaide que l’open source renforce la défense collective. Cette fracture structure désormais la politique globale de l’IA.
Anthropic met en avant Claude Opus 5 sur des benchmarks comme ARC-AGI, mais les gains réels sont limités. Face à GPT 5.6, les performances convergent en conditions réelles. Le coût d’utilisation reste élevé, remettant en cause la rentabilité. L’écart entre démonstration technique et valeur business persiste.
Une étude du MIT indique que 95 % des projets IA en entreprise n’apportent pas de retour mesurable. Beaucoup restent au stade de prototype ou d’automatisation superficielle. Les intégrations profondes dans les opérations restent rares. Cela freine la transformation réelle malgré les investissements massifs.
Des entreprises comme Alphabet et ServiceNow relancent les embauches liées à l’IA. Le paradoxe de Jevons s’applique : plus de productivité génère plus de demande de travail. Les postes juniors reviennent contrairement aux craintes initiales. Le marché du travail reste solide malgré l’automatisation croissante.