France, travaille !

France Travail travaille sur un algorithme de profilage des chômeurs à des fins de contrôle. C’est ce qu’affirme la Quadrature du Net, document interne à l’appui. Celui-ci semble être un support PowerPoint pour une présentation de 30 min. L’association déplore une massification des contrôles et un glissement dangereux des décisions politiques vers des technologies présentées comme « objectives ».

Le document présenté (PDF) a trait au ciblage du Contrôle de Recherche d’emploi, ou CRE. France Travail y évoque immédiatement la « logique d’engagements réciproques au service du retour à l’emploi ». Ainsi, tout le monde a droit à un accompagnement personnalisé dans l’objectif de retrouver un emploi. « En contrepartie, l’usager s’engage à participer aux actions proposées et à rechercher activement un emploi : c’est le devoir d’assiduité et de recherche d’emploi ». Des droits et des devoirs formalisés dans un « contrat d’engagement dynamique », dont le respect « fait l’objet d’un contrôle », le fameux CRE.

Six principes sont mis en avant : maintien du contradictoire (le demandeur doit toujours pouvoir se justifier après une notification de manquement), universalité du contrôle, équité de traitement, bénéfice du doute, maintien du lien territorial et séparation des activités de contrôle et d’accompagnement. Selon la Quadrature du Net cependant, plusieurs de ces principes pourraient être remis en cause.

Un outil IA de plus dans la besace

La présentation date de décembre 2025 et ressemble à un point d’étape sur les travaux en cours. Signalons tout de suite que France Travail dispose déjà de plusieurs outils alimentés par l’IA, comme mentionné sur son site. ChatFT assiste par exemple les conseillers dans les échanges avec les demandeurs d’emploi et facilite la création de documents. MatchFT a pour mission de faire « correspondre les offres d’emploi aux profils des candidats. Il contacte ensuite par SMS les candidats identifiés comme correspondant à l’offre pour leur proposer et les sonder sur leur intérêt ». Ces deux outils ont été développés par Mistral.

Le document porte largement sur les questions de contrôles, qui peuvent être déclenchés pour plusieurs raisons : vérification de l’assiduité, contrôles aléatoires, signalements par des agences ou encore contrôles issus de requêtes ciblées. Ces dernières sont particulièrement mises en lumière car elles « visent des situations présentant une forte probabilité d’insuffisance de recherche d’emploi » : métiers en tension, sortants de formation ou de prestations, ruptures conventionnelles, créateurs d’entreprises ou encore frontaliers. Pour 2026, France Travail envisageait 500 000 contrôles ciblés, soit 40 % du total des vérifications.

France Travail note dans ses objectifs que le CRE « vise avant tout à améliorer la qualité de l’accompagnement en permettant d’identifier si une insuffisance relève d’un besoin de soutien renforcé ou d’un contournement volontaire ». L’action prise peut être une « redynamisation », une révision du suivi ou une sanction, si « le comportement est volontairement abusif ».

Et tout le sujet du document est bien de fluidifier ce processus en se servant d’une IA pour analyser « 26 variables clés », dans l’idée de « reconstituer les parcours des demandeurs d’emploi » qui nécessitent « une expertise approfondie » qui sera alors transmise aux services CRE.

Un modèle statistique, pas un LLM

Le modèle utilisé est présenté comme statistique (arbre de décision), il ne s’agit donc pas d’IA générative (LLM). Parmi les 26 critères, on trouve l’historique des cessations, le délai d’inscription, le nombre d’entretiens, le niveau de formation, le métier recherché, l’indicateur de tension sur ce métier, les heures travaillées, la présence et l’ancienneté d’une ORE (Offre Raisonnable d’Emploi), le nombre de refus d’offres, la présence et l’ancienneté d’un CV visible, ou encore le nombre d’absences aux prestations et les synthèses des derniers entretiens. Attention cependant, le poids des variables n’est pas connu, on ne sait donc pas de quelle manière elles sont pondérées dans la formule de France Travail.

Dans le document, il est dit que le modèle est entraîné sur les données historiques du CRE, pour lui apprendre les relations entre les caractéristiques (les variables et leurs données) et les résultats des services CRE. Ainsi, le modèle apprend en faisant des prédictions basées sur le parcours, les compare à la réalité, puis corrige ses erreurs pour s’améliorer. Une approche classique. Sur un échantillon de 60 000 anciens dossiers, 79 % des dossiers ciblés par le modèle ont donné lieu à un examen complémentaire contre 53 % pour les dossiers issus de la requête aléatoire, et 64 % des dossiers ciblés ont conduit à une redynamisation ou une sanction.

L’étape suivante ? Appliquer le modèle sur la population actuelle inscrite à France Travail. Il a retourné une liste d’individus « qu’il considère comme les plus susceptibles de nécessiter un CRE ». Point intéressant, le document relève qu’une recherche active de biais de sélection a été menée. France Travail dit avoir « identifié que le modèle pouvait favoriser le contrôle des demandeurs d’emploi ayant les plus faibles revenus », ce qui avait conduit à retirer la variable « Salaire Journalier de Référence » (SJR). Elle a été réintégrée en tenant compte de la ventilation des demandeurs d’emploi par tranche de SJR « telle qu’elle existe dans la population générale ».

En outre, le document indique qu’il ne s’agit pas d’un projet de recherche : une première campagne de 7 000 tests avait déjà été menée au sein de la population des demandeurs avec une rupture conventionnelle et une deuxième campagne était « en cours de réalisation ». Pourquoi ce groupe en particulier ? Parce qu’il coûte en moyenne plus cher à France Travail.

Alors pourquoi recourir à l’IA ? Le document donne trois raisons : le nombre élevé de variables, la « suppression des a priori » grâce à l’utilisation de « critères objectifs », et le gain d’efficacité « démontré », car supérieur aux modèles actuels fondés sur des règles métiers. Le document mentionne explicitement la volonté d’élargir l’utilisation du nouveau modèle à « d’autres publics de demandeurs d’emploi ».

La Quadrature du Net dénonce une « dépolitisation »

Pour l’association, que le modèle soit un LLM n’est pas la question. Le sujet est le même que pour la CNAM et la CNAF : le solutionnisme technologique.

• Transparence, discriminations : les questions soulevées par l’algorithme de la CAF

L’association dénonce ainsi certains arguments avancés par le document, notamment la « suppression des a priori » et les « critères objectifs », présentés comme des corolaires à l’utilisation de l’intelligence artificielle. Pour la Quadrature, on assiste à la « transformation d’un problème politique – le choix des critères de sélection des personnes à contrôler – en un problème purement technique ». Une dépolitisation qui ne peut entrainer, selon l’association, qu’une « délégitimation de la critique des politiques de contrôle », ces dernières étant présentées comme « neutres » et « objectives ».

Outre la déresponsabilisation des dirigeants, la Quadrature pointe aussi l’opacité systématique autour des algorithmes de profilage. « En permettant aux responsables des institutions sociales de taire la réalité du tri social organisé, elle complique considérablement la mise en lumière de leurs dérives », fustige-t-elle. Et pour cause : le code source de l’algorithme de la CNAF « n’a été obtenu qu’après une longue bataille juridique et médiatique, tandis que celui de l’Assurance maladie ne l’a été qu’à la faveur d’une erreur de caviardage par l’administration ».

Et celui de France Travail ? « […] toutes nos demandes d’accès au code des IA utilisées par France Travail sont, à ce jour, restées lettres mortes », ajoute la Quadrature. L’association a adressé ses demandes à la CADA, mais France Travail a refusé de « communiquer la moindre information sur des IA aussi sensibles que celles utilisées pour échanger par SMS afin de proposer des offres d’emplois à des usager·ères (MatchFt) ou celle que France Travail a généralisé auprès de ses conseillers afin de les aider dans leurs tâches quotidiennes (ChatFt) », sans motivation de sa décision auprès de la CADA, « en violation flagrante de la loi ».

La Quadrature dit observer une volonté d’automatiser l’ensemble de la chaine de contrôle pour répondre aux objectifs gouvernementaux, qui incluent 1,5 million de contrôles en 2027 pour les demandeurs d’emploi. Devant l’ampleur des chantiers en cours, elle craint particulièrement l’arrivée future d’une IA générative qui, ne se contentant plus de pointer des dossiers, formulerait des suggestions de décisions.

Pour l’instant, on reste dans l’optique du « faisceau d’indices », utilisé pour braquer un projecteur sur un dossier en délicatesse. Pour France Travail, cette approche est neutre : ce n’est pas parce qu’un dossier est mis en lumière pour contrôle qu’un abus est systématiquement suspecté. Mais la massification est en cours, puisque depuis le 1ᵉʳ janvier 2026, toute personne recevant le RSA doit obligatoirement s’inscrire sur France Travail, plus de 6 millions de personnes pouvant alors être concernées en tout.

Dans le document, France Travail dit clairement son intention d’élargir le modèle à d’autres publics. La Quadrature craint de ce fait la généralisation d’un scoring et la mise en place d’une répression sociale contre les populations les plus vulnérables.

Où sont les analyses de risques ?

Ces questions sont particulièrement présentes dans une série de quatre podcasts publiée ce lundi 20 juillet par la cellule investigation de Radio France, qui a enquêté en partenariat avec la Quadrature du Net. La journaliste Audrey Travère y aborde de nombreux autres points, mais l’épisode 3 est entièrement consacré à la question de l’IA au sein de France Travail et au parallèle avec les cas de la CNAM et de la CNAF.

Elle s’est également entretenue avec Soizic Pénicaud, cofondatrice de l’Observatoire des algorithmes publics (Odap) et enseignante à Sciences-Po Paris. Celle-ci s’est dit surprise que les tests de cet algorithme aient pu se faire sans que personne n’en ait entendu parler. Pas un mot non plus sur son évaluation, d’analyse d’impact sur les données personnelles, ni « d’évaluation des discriminations entrainées par ces algorithmes ».

• [Interview] Efficacité, coût des algorithmes publics : les administrations manquent de transparence

Soizic Pénicaud rappelle en outre l’un des fondamentaux dans tout ce qui touche à l’IA : « Les humains, on sait qu’il y a des enjeux de biais, c’est incontestable, alors qu’un algorithme, on va nous dire que c’est statistique, c’est mathématique, c’est neutre, c’est objectif. En réalité, ça découle d’un ensemble de choix, et ces choix ne vont pas être questionnés. L’algorithme va systématiquement taper sur les mêmes. Et ça, ça pose un problème, car cela signifie un passage à l’échelle de la discrimination ».

Quant à l’argument de la décision humaine à la fin, là encore Soizic Pénicaud pointe l’influence algorithmique : on aura toujours tendance à plus cliquer sur un élément pointé comme très probable par une IA.

Nous avons contacté le ministère du Travail pour obtenir des informations complémentaires et actualiserons cet article en cas de réponse.

France, travaille !

France Travail travaille sur un algorithme de profilage des chômeurs à des fins de contrôle. C’est ce qu’affirme la Quadrature du Net, document interne à l’appui. Celui-ci semble être un support PowerPoint pour une présentation de 30 min. L’association déplore une massification des contrôles et un glissement dangereux des décisions politiques vers des technologies présentées comme « objectives ».

Le document présenté (PDF) a trait au ciblage du Contrôle de Recherche d’emploi, ou CRE. France Travail y évoque immédiatement la « logique d’engagements réciproques au service du retour à l’emploi ». Ainsi, tout le monde a droit à un accompagnement personnalisé dans l’objectif de retrouver un emploi. « En contrepartie, l’usager s’engage à participer aux actions proposées et à rechercher activement un emploi : c’est le devoir d’assiduité et de recherche d’emploi ». Des droits et des devoirs formalisés dans un « contrat d’engagement dynamique », dont le respect « fait l’objet d’un contrôle », le fameux CRE.

Six principes sont mis en avant : maintien du contradictoire (le demandeur doit toujours pouvoir se justifier après une notification de manquement), universalité du contrôle, équité de traitement, bénéfice du doute, maintien du lien territorial et séparation des activités de contrôle et d’accompagnement. Selon la Quadrature du Net cependant, plusieurs de ces principes pourraient être remis en cause.

Un outil IA de plus dans la besace

La présentation date de décembre 2025 et ressemble à un point d’étape sur les travaux en cours. Signalons tout de suite que France Travail dispose déjà de plusieurs outils alimentés par l’IA, comme mentionné sur son site. ChatFT assiste par exemple les conseillers dans les échanges avec les demandeurs d’emploi et facilite la création de documents. MatchFT a pour mission de faire « correspondre les offres d’emploi aux profils des candidats. Il contacte ensuite par SMS les candidats identifiés comme correspondant à l’offre pour leur proposer et les sonder sur leur intérêt ». Ces deux outils ont été développés par Mistral.

Le document porte largement sur les questions de contrôles, qui peuvent être déclenchés pour plusieurs raisons : vérification de l’assiduité, contrôles aléatoires, signalements par des agences ou encore contrôles issus de requêtes ciblées. Ces dernières sont particulièrement mises en lumière car elles « visent des situations présentant une forte probabilité d’insuffisance de recherche d’emploi » : métiers en tension, sortants de formation ou de prestations, ruptures conventionnelles, créateurs d’entreprises ou encore frontaliers. Pour 2026, France Travail envisageait 500 000 contrôles ciblés, soit 40 % du total des vérifications.

France Travail note dans ses objectifs que le CRE « vise avant tout à améliorer la qualité de l’accompagnement en permettant d’identifier si une insuffisance relève d’un besoin de soutien renforcé ou d’un contournement volontaire ». L’action prise peut être une « redynamisation », une révision du suivi ou une sanction, si « le comportement est volontairement abusif ».

Et tout le sujet du document est bien de fluidifier ce processus en se servant d’une IA pour analyser « 26 variables clés », dans l’idée de « reconstituer les parcours des demandeurs d’emploi » qui nécessitent « une expertise approfondie » qui sera alors transmise aux services CRE.

Un modèle statistique, pas un LLM

Le modèle utilisé est présenté comme statistique (arbre de décision), il ne s’agit donc pas d’IA générative (LLM). Parmi les 26 critères, on trouve l’historique des cessations, le délai d’inscription, le nombre d’entretiens, le niveau de formation, le métier recherché, l’indicateur de tension sur ce métier, les heures travaillées, la présence et l’ancienneté d’une ORE (Offre Raisonnable d’Emploi), le nombre de refus d’offres, la présence et l’ancienneté d’un CV visible, ou encore le nombre d’absences aux prestations et les synthèses des derniers entretiens. Attention cependant, le poids des variables n’est pas connu, on ne sait donc pas de quelle manière elles sont pondérées dans la formule de France Travail.

Dans le document, il est dit que le modèle est entraîné sur les données historiques du CRE, pour lui apprendre les relations entre les caractéristiques (les variables et leurs données) et les résultats des services CRE. Ainsi, le modèle apprend en faisant des prédictions basées sur le parcours, les compare à la réalité, puis corrige ses erreurs pour s’améliorer. Une approche classique. Sur un échantillon de 60 000 anciens dossiers, 79 % des dossiers ciblés par le modèle ont donné lieu à un examen complémentaire contre 53 % pour les dossiers issus de la requête aléatoire, et 64 % des dossiers ciblés ont conduit à une redynamisation ou une sanction.

L’étape suivante ? Appliquer le modèle sur la population actuelle inscrite à France Travail. Il a retourné une liste d’individus « qu’il considère comme les plus susceptibles de nécessiter un CRE ». Point intéressant, le document relève qu’une recherche active de biais de sélection a été menée. France Travail dit avoir « identifié que le modèle pouvait favoriser le contrôle des demandeurs d’emploi ayant les plus faibles revenus », ce qui avait conduit à retirer la variable « Salaire Journalier de Référence » (SJR). Elle a été réintégrée en tenant compte de la ventilation des demandeurs d’emploi par tranche de SJR « telle qu’elle existe dans la population générale ».

En outre, le document indique qu’il ne s’agit pas d’un projet de recherche : une première campagne de 7 000 tests avait déjà été menée au sein de la population des demandeurs avec une rupture conventionnelle et une deuxième campagne était « en cours de réalisation ». Pourquoi ce groupe en particulier ? Parce qu’il coûte en moyenne plus cher à France Travail.

Alors pourquoi recourir à l’IA ? Le document donne trois raisons : le nombre élevé de variables, la « suppression des a priori » grâce à l’utilisation de « critères objectifs », et le gain d’efficacité « démontré », car supérieur aux modèles actuels fondés sur des règles métiers. Le document mentionne explicitement la volonté d’élargir l’utilisation du nouveau modèle à « d’autres publics de demandeurs d’emploi ».

La Quadrature du Net dénonce une « dépolitisation »

Pour l’association, que le modèle soit un LLM n’est pas la question. Le sujet est le même que pour la CNAM et la CNAF : le solutionnisme technologique.

• Transparence, discriminations : les questions soulevées par l’algorithme de la CAF

L’association dénonce ainsi certains arguments avancés par le document, notamment la « suppression des a priori » et les « critères objectifs », présentés comme des corolaires à l’utilisation de l’intelligence artificielle. Pour la Quadrature, on assiste à la « transformation d’un problème politique – le choix des critères de sélection des personnes à contrôler – en un problème purement technique ». Une dépolitisation qui ne peut entrainer, selon l’association, qu’une « délégitimation de la critique des politiques de contrôle », ces dernières étant présentées comme « neutres » et « objectives ».

Outre la déresponsabilisation des dirigeants, la Quadrature pointe aussi l’opacité systématique autour des algorithmes de profilage. « En permettant aux responsables des institutions sociales de taire la réalité du tri social organisé, elle complique considérablement la mise en lumière de leurs dérives », fustige-t-elle. Et pour cause : le code source de l’algorithme de la CNAF « n’a été obtenu qu’après une longue bataille juridique et médiatique, tandis que celui de l’Assurance maladie ne l’a été qu’à la faveur d’une erreur de caviardage par l’administration ».

Et celui de France Travail ? « […] toutes nos demandes d’accès au code des IA utilisées par France Travail sont, à ce jour, restées lettres mortes », ajoute la Quadrature. L’association a adressé ses demandes à la CADA, mais France Travail a refusé de « communiquer la moindre information sur des IA aussi sensibles que celles utilisées pour échanger par SMS afin de proposer des offres d’emplois à des usager·ères (MatchFt) ou celle que France Travail a généralisé auprès de ses conseillers afin de les aider dans leurs tâches quotidiennes (ChatFt) », sans motivation de sa décision auprès de la CADA, « en violation flagrante de la loi ».

La Quadrature dit observer une volonté d’automatiser l’ensemble de la chaine de contrôle pour répondre aux objectifs gouvernementaux, qui incluent 1,5 million de contrôles en 2027 pour les demandeurs d’emploi. Devant l’ampleur des chantiers en cours, elle craint particulièrement l’arrivée future d’une IA générative qui, ne se contentant plus de pointer des dossiers, formulerait des suggestions de décisions.

Pour l’instant, on reste dans l’optique du « faisceau d’indices », utilisé pour braquer un projecteur sur un dossier en délicatesse. Pour France Travail, cette approche est neutre : ce n’est pas parce qu’un dossier est mis en lumière pour contrôle qu’un abus est systématiquement suspecté. Mais la massification est en cours, puisque depuis le 1ᵉʳ janvier 2026, toute personne recevant le RSA doit obligatoirement s’inscrire sur France Travail, plus de 6 millions de personnes pouvant alors être concernées en tout.

Dans le document, France Travail dit clairement son intention d’élargir le modèle à d’autres publics. La Quadrature craint de ce fait la généralisation d’un scoring et la mise en place d’une répression sociale contre les populations les plus vulnérables.

Où sont les analyses de risques ?

Ces questions sont particulièrement présentes dans une série de quatre podcasts publiée ce lundi 20 juillet par la cellule investigation de Radio France, qui a enquêté en partenariat avec la Quadrature du Net. La journaliste Audrey Travère y aborde de nombreux autres points, mais l’épisode 3 est entièrement consacré à la question de l’IA au sein de France Travail et au parallèle avec les cas de la CNAM et de la CNAF.

Elle s’est également entretenue avec Soizic Pénicaud, cofondatrice de l’Observatoire des algorithmes publics (Odap) et enseignante à Sciences-Po Paris. Celle-ci s’est dit surprise que les tests de cet algorithme aient pu se faire sans que personne n’en ait entendu parler. Pas un mot non plus sur son évaluation, d’analyse d’impact sur les données personnelles, ni « d’évaluation des discriminations entrainées par ces algorithmes ».

• [Interview] Efficacité, coût des algorithmes publics : les administrations manquent de transparence

Soizic Pénicaud rappelle en outre l’un des fondamentaux dans tout ce qui touche à l’IA : « Les humains, on sait qu’il y a des enjeux de biais, c’est incontestable, alors qu’un algorithme, on va nous dire que c’est statistique, c’est mathématique, c’est neutre, c’est objectif. En réalité, ça découle d’un ensemble de choix, et ces choix ne vont pas être questionnés. L’algorithme va systématiquement taper sur les mêmes. Et ça, ça pose un problème, car cela signifie un passage à l’échelle de la discrimination ».

Quant à l’argument de la décision humaine à la fin, là encore Soizic Pénicaud pointe l’influence algorithmique : on aura toujours tendance à plus cliquer sur un élément pointé comme très probable par une IA.

Nous avons contacté le ministère du Travail pour obtenir des informations complémentaires et actualiserons cet article en cas de réponse.

Kimi, Kimi, Kimi more 🎵

L’intelligence artificielle est-elle en train de vivre son deuxième « moment DeepSeek » avec l’annonce du modèle Kimi K3 par la société chinoise Moonshot AI ? Il a de quoi séduire avec près de 3 000 milliards de paramètres (on parle de modèle 3T-class) et la promesse de poids ouverts. La bourse américaine n’est pas restée indifférente avec une baisse de 1,5 % du Nasdaq lors de l’annonce.

Moonshot AI n’est pas l’entreprise la plus connue dans le monde des intelligences artificielles génératives, mais cela pourrait changer avec son LLM Kimi K3 annoncé la semaine dernière.

Kimi K3 : les gros chiffres

Elle le présente comme « le premier modèle open source à atteindre 2 800 milliards de paramètres ». Il dispose aussi d‘une large fenêtre contextuelle jusqu’à un million de tokens (comme Fable 5, Opus 4.8 et GPT-5.6 sol). Attention, le côté open source est pour le moment en paper launch, avec la promesse que « les poids complets des modèles seront publiés d’ici le 27 juillet 2026 ».

Kimi K3 utilise une mixture d’experts (Mixture of Experts ou MoE) qui consiste à n’utiliser qu’une partie des paramètres à chaque fois. Le modèle comprend 896 experts dont 16 sont appelés à chaque fois.

Vous verrez peut-être passer sur Internet la mention « 2.8T-A50B », c’est un simple calcul basé sur les informations officielles : 2 800 milliards de paramètres, cela donnerait 3,125 milliards de paramètres par expert (2800/896), et donc 50 milliards de paramètres pour 16 experts. Mais c’est un calcul simpliste, d’autant plus sans précisions de la part de Moonshot AI.

• #Nextquick MoE : c’est quoi cette mixture d’experts pour les IA génératives ?

« Kimi K3 a démontré des performances de niveau frontière »

Depuis mai, Microsoft s’agite dans le domaine de la cybersécurité. Mi-mai, l’entreprise a ainsi présenté son système MDASH, pour « Microsoft Security multi-model agentic scanning harness ». Il s’agit d’un réseau d’une centaine d’agents travaillant à partir d’un mix de modèles pour débusquer les failles de sécurité dans le code.

On sait que MDASH est déjà utilisé. Pour preuve, le récent Patch Tuesday du 14 juillet qui a pulvérisé tous les records avec ses 570 failles colmatées, multipliant par presque 3 le nombre de corrections par rapport à juin, qui était déjà lui-même un record. Récemment, Microsoft a davantage officialisé son recours massif à l’intelligence artificielle générative dans ses processus de sécurité, confirmant qu’elle faisait désormais partie intégrante de la chaine.

• Microsoft officialise son utilisation intensive de l’IA pour la découverte des failles

Et voilà que l’entreprise préparerait un concurrent à Claude Mythos, auquel seules les organisations autorisées peuvent accéder au travers du projet Glasswing (on a pu voir le résultat chez Mozilla notamment). Selon The Information, Microsoft affuterait son « Project Perception » pour une présentation avant la fin du mois.

Contrairement à MDASH, Perception combinerait des modèles de Microsoft, OpenAI et Anthropic via un « model router » chargé de sélectionner le modèle le plus adapté à chaque tâche avant de lui assigner la charge de travail. Le projet serait porté par Hayete Gallot, responsable sécurité de Microsoft depuis février 2026, dans le cadre d’une réorganisation de l’activité sécurité de l’entreprise autour de produits IA, au détriment des offres plus anciennes.

Selon les rumeurs, Microsoft s’apprêterait à frapper au portefeuille : la réputation de Mythos n’est peut-être plus à faire, mais il serait extrêmement onéreux à faire fonctionner. Microsoft est un acteur majeur de la cybersécurité et aimerait sans doute donner un grand coup de pied dans la fourmilière.

Si ce projet Perception devait se confirmer et devenir un produit commercial, il faudrait encore examiner la réaction de la Maison-Blanche. Le gouvernement Trump a tenu à contrôler de près les capacités des modèles comme Mythos et Fable 5 chez Anthropic, ou encore GPT 5.6 chez OpenAI. Il pourrait être tout aussi intéressé par Perception, le risque étant a priori le même : la détection des failles de sécurité peut servir aussi bien la défense que l’attaque.

Depuis mai, Microsoft s’agite dans le domaine de la cybersécurité. Mi-mai, l’entreprise a ainsi présenté son système MDASH, pour « Microsoft Security multi-model agentic scanning harness ». Il s’agit d’un réseau d’une centaine d’agents travaillant à partir d’un mix de modèles pour débusquer les failles de sécurité dans le code.

On sait que MDASH est déjà utilisé. Pour preuve, le récent Patch Tuesday du 14 juillet qui a pulvérisé tous les records avec ses 570 failles colmatées, multipliant par presque 3 le nombre de corrections par rapport à juin, qui était déjà lui-même un record. Récemment, Microsoft a davantage officialisé son recours massif à l’intelligence artificielle générative dans ses processus de sécurité, confirmant qu’elle faisait désormais partie intégrante de la chaine.

• Microsoft officialise son utilisation intensive de l’IA pour la découverte des failles

Et voilà que l’entreprise préparerait un concurrent à Claude Mythos, auquel seules les organisations autorisées peuvent accéder au travers du projet Glasswing (on a pu voir le résultat chez Mozilla notamment). Selon The Information, Microsoft affuterait son « Project Perception » pour une présentation avant la fin du mois.

Contrairement à MDASH, Perception combinerait des modèles de Microsoft, OpenAI et Anthropic via un « model router » chargé de sélectionner le modèle le plus adapté à chaque tâche avant de lui assigner la charge de travail. Le projet serait porté par Hayete Gallot, responsable sécurité de Microsoft depuis février 2026, dans le cadre d’une réorganisation de l’activité sécurité de l’entreprise autour de produits IA, au détriment des offres plus anciennes.

Selon les rumeurs, Microsoft s’apprêterait à frapper au portefeuille : la réputation de Mythos n’est peut-être plus à faire, mais il serait extrêmement onéreux à faire fonctionner. Microsoft est un acteur majeur de la cybersécurité et aimerait sans doute donner un grand coup de pied dans la fourmilière.

Si ce projet Perception devait se confirmer et devenir un produit commercial, il faudrait encore examiner la réaction de la Maison-Blanche. Le gouvernement Trump a tenu à contrôler de près les capacités des modèles comme Mythos et Fable 5 chez Anthropic, ou encore GPT 5.6 chez OpenAI. Il pourrait être tout aussi intéressé par Perception, le risque étant a priori le même : la détection des failles de sécurité peut servir aussi bien la défense que l’attaque.

La Chine vient de serrer la vis très fort sur les compagnons IA. Depuis cette semaine, de nouvelles règles interdisent à ces chatbots d’entretenir l’illusion d’une relation poussée avec leur utilisateur. Un problème plus important qu’il n’y parait.

Les services de compagnonnage IA ont poussé comme des champignons depuis l’avènement de l’intelligence artificielle générative. La technologie a fait des progrès tels que ces chatbots peuvent (presque) donner l’illusion de l’humanité. Et le marché est énorme : une étude d’Appfigures remontant à 2025 estimait que ces services généreraient plus de 120 millions de dollars sur l’ensemble de l’année. Le rapport dénombrait à l’époque 337 apps de compagnons IA actives pour 220 millions de téléchargements cumulés.

Il est donc évident qu’il existe ici des besoins pour combler la sécheresse émotionnelle que peuvent ressentir de nombreuses personnes. Quitte à aller trop loin parfois : aux États-Unis, la FTC (le régulateur de la concurrence) a ainsi demandé aux principaux acteurs du secteur des explications sur l’encadrement de leurs chatbots, en particulier auprès des plus jeunes.

Depuis le 1er janvier, la Californie impose à ces fournisseurs plusieurs garde-fous, notamment des messages d’avertissement rappelant clairement aux utilisateurs qu’ils interagissent avec une intelligence artificielle.

La Chine a décidé d’aller un cran plus loin. Depuis ce mercredi 15 juillet, les autorités encadrent très sévèrement les chatbots conçus pour simuler une relation affective. Ces règles concernent les services qui imitent une personnalité humaine pour fournir de la compagnie, du soutien émotionnel ou une relation virtuelle. Les assistants professionnels, éducatifs ou destinés au service client en sont en principe exclus.

Les entreprises à l’origine de ces chatbots – dont Alibaba et ByteDance, qui ont désactivé certaines fonctions – ne doivent plus chercher à rendre l’utilisateur dépendant, à remplacer ses relations sociales ou à prolonger artificiellement la conversation quand il souhaite partir. Elles doivent aussi évaluer l’état émotionnel et le degré de dépendance des utilisateurs, et prévoir des procédures d’intervention.

Les règles sont encore plus strictes pour les mineurs. Ainsi, il est interdit de leur proposer des « partenaires » ou des « membres de la famille » virtuels. Le consentement parental est exigé pour les moins de 14 ans. Les parents peuvent bloquer certains personnages ou des achats, et recevoir des alertes.

En cas de détresse grave, la législation prévoit une intervention humaine et, dans certaines situations, d’alerter un proche ou un responsable désigné. Il s’agit pour Pékin de prévenir la dépendance, les manipulations émotionnelles et les risques psychologiques.

Un expert interrogé par le Wall Street Journal fait le lien entre la natalité déclinante en Chine et les craintes des autorités de voir les compagnons IA détourner leurs utilisateurs des (vraies) relations amoureuses, du mariage, et d’une potentielle progéniture. Le texte ne le dit pas comme ça, mais des réglementations locales sur la sécurité de l’IA citent les effets de cette technologie sur la conception de la famille, de la fécondité, et en bout de course, de la société.

La Chine vient de serrer la vis très fort sur les compagnons IA. Depuis cette semaine, de nouvelles règles interdisent à ces chatbots d’entretenir l’illusion d’une relation poussée avec leur utilisateur. Un problème plus important qu’il n’y parait.

Les services de compagnonnage IA ont poussé comme des champignons depuis l’avènement de l’intelligence artificielle générative. La technologie a fait des progrès tels que ces chatbots peuvent (presque) donner l’illusion de l’humanité. Et le marché est énorme : une étude d’Appfigures remontant à 2025 estimait que ces services généreraient plus de 120 millions de dollars sur l’ensemble de l’année. Le rapport dénombrait à l’époque 337 apps de compagnons IA actives pour 220 millions de téléchargements cumulés.

Il est donc évident qu’il existe ici des besoins pour combler la sécheresse émotionnelle que peuvent ressentir de nombreuses personnes. Quitte à aller trop loin parfois : aux États-Unis, la FTC (le régulateur de la concurrence) a ainsi demandé aux principaux acteurs du secteur des explications sur l’encadrement de leurs chatbots, en particulier auprès des plus jeunes.

Depuis le 1er janvier, la Californie impose à ces fournisseurs plusieurs garde-fous, notamment des messages d’avertissement rappelant clairement aux utilisateurs qu’ils interagissent avec une intelligence artificielle.

La Chine a décidé d’aller un cran plus loin. Depuis ce mercredi 15 juillet, les autorités encadrent très sévèrement les chatbots conçus pour simuler une relation affective. Ces règles concernent les services qui imitent une personnalité humaine pour fournir de la compagnie, du soutien émotionnel ou une relation virtuelle. Les assistants professionnels, éducatifs ou destinés au service client en sont en principe exclus.

Les entreprises à l’origine de ces chatbots – dont Alibaba et ByteDance, qui ont désactivé certaines fonctions – ne doivent plus chercher à rendre l’utilisateur dépendant, à remplacer ses relations sociales ou à prolonger artificiellement la conversation quand il souhaite partir. Elles doivent aussi évaluer l’état émotionnel et le degré de dépendance des utilisateurs, et prévoir des procédures d’intervention.

Les règles sont encore plus strictes pour les mineurs. Ainsi, il est interdit de leur proposer des « partenaires » ou des « membres de la famille » virtuels. Le consentement parental est exigé pour les moins de 14 ans. Les parents peuvent bloquer certains personnages ou des achats, et recevoir des alertes.

En cas de détresse grave, la législation prévoit une intervention humaine et, dans certaines situations, d’alerter un proche ou un responsable désigné. Il s’agit pour Pékin de prévenir la dépendance, les manipulations émotionnelles et les risques psychologiques.

Un expert interrogé par le Wall Street Journal fait le lien entre la natalité déclinante en Chine et les craintes des autorités de voir les compagnons IA détourner leurs utilisateurs des (vraies) relations amoureuses, du mariage, et d’une potentielle progéniture. Le texte ne le dit pas comme ça, mais des réglementations locales sur la sécurité de l’IA citent les effets de cette technologie sur la conception de la famille, de la fécondité, et en bout de course, de la société.

Thinking Machines sort du bois. Dix-huit mois après sa levée de fonds record de 2 milliards de dollars, soutenue par la notoriété de son équipe fondatrice et notamment de sa dirigeante Mira Murati, ex CTO d’OpenAI, le laboratoire a annoncé mercredi 15 juillet son premier modèle à poids ouvert.

Baptisé Inkling, il ne prétend pas révolutionner les performances de l’IA générative, mais constitue selon l’entreprise une base solide, avec un compromis satisfaisant entre latence, coûts de fonctionnement, et qualité des résultats en sortie.

Inkling prend la forme d’un modèle de type Mixture-of-Experts (MoE) doté d’un total de 975 milliards de paramètres, dont 41 milliards actifs à chaque requête. Il gère une fenêtre de contexte pouvant atteindre 1 million de tokens, et son entraînement a été réalisé sur un volume de 45 000 milliards de tokens composés de texte, d’images, d’audio et de vidéo.

« Inkling n’est pas le modèle le plus performant actuellement disponible, qu’il soit ouvert ou fermé. En revanche, sa combinaison de qualités en fait une excellente base pour la personnalisation : capacités multimodales, conception efficace et disponibilité sur Tinker pour un réglage précis », écrit le laboratoire.

Tinker fait référence au premier produit présenté par Thinking Machines en octobre dernier et lancé en accès anticipé début 2026: il s’agit pour mémoire d’un service dédié au fine tuning ou à la personnalisation de modèles d’IA. Destiné notamment aux chercheurs, le service permet de contrôler les jeux de données et la boucle d’entraînement associée, sans avoir à se soucier de l’infrastructure qui sous-tend la démarche. 

Thinking Machines propose déjà une première déclinaison de son modèle, une version Inkling-Small à 12 milliards de paramètres actifs, entraînée selon la même recette que la version complète.

L’entreprise indique par ailleurs qu’Inkling nourrira les travaux déjà engagés autour d’une autre annonce récente : TLM-Interaction-Small, un modèle à très faible latence dédié, entre autres, aux interactions vocales. 

Inkling est dès à présent proposé à l’essai via Tinker, avec des fenêtres de 64 000 et 256 000 tokens. La tarification débute à 1,87 dollar le million de tokens en entrée (prefill) et 4,68 dollars en sortie, avec une promotion agressive sur la période de lancement. 

Thinking Machines sort du bois. Dix-huit mois après sa levée de fonds record de 2 milliards de dollars, soutenue par la notoriété de son équipe fondatrice et notamment de sa dirigeante Mira Murati, ex CTO d’OpenAI, le laboratoire a annoncé mercredi 15 juillet son premier modèle à poids ouvert.

Baptisé Inkling, il ne prétend pas révolutionner les performances de l’IA générative, mais constitue selon l’entreprise une base solide, avec un compromis satisfaisant entre latence, coûts de fonctionnement, et qualité des résultats en sortie.

Inkling prend la forme d’un modèle de type Mixture-of-Experts (MoE) doté d’un total de 975 milliards de paramètres, dont 41 milliards actifs à chaque requête. Il gère une fenêtre de contexte pouvant atteindre 1 million de tokens, et son entraînement a été réalisé sur un volume de 45 000 milliards de tokens composés de texte, d’images, d’audio et de vidéo.

« Inkling n’est pas le modèle le plus performant actuellement disponible, qu’il soit ouvert ou fermé. En revanche, sa combinaison de qualités en fait une excellente base pour la personnalisation : capacités multimodales, conception efficace et disponibilité sur Tinker pour un réglage précis », écrit le laboratoire.

Tinker fait référence au premier produit présenté par Thinking Machines en octobre dernier et lancé en accès anticipé début 2026: il s’agit pour mémoire d’un service dédié au fine tuning ou à la personnalisation de modèles d’IA. Destiné notamment aux chercheurs, le service permet de contrôler les jeux de données et la boucle d’entraînement associée, sans avoir à se soucier de l’infrastructure qui sous-tend la démarche. 

Thinking Machines propose déjà une première déclinaison de son modèle, une version Inkling-Small à 12 milliards de paramètres actifs, entraînée selon la même recette que la version complète.

L’entreprise indique par ailleurs qu’Inkling nourrira les travaux déjà engagés autour d’une autre annonce récente : TLM-Interaction-Small, un modèle à très faible latence dédié, entre autres, aux interactions vocales. 

Inkling est dès à présent proposé à l’essai via Tinker, avec des fenêtres de 64 000 et 256 000 tokens. La tarification débute à 1,87 dollar le million de tokens en entrée (prefill) et 4,68 dollars en sortie, avec une promotion agressive sur la période de lancement. 

Le courant passe mal dans les urnes

L’État de New York a mis en place un moratoire pour interdire la construction de datacenters. Un signe supplémentaire de l’opposition grandissante des Américains à l’installation de ces infrastructures énergivores près de chez eux.

« Le progrès ne devrait pas s’accompagner d’une hausse de la facture d’énergie, d’une réduction de l’approvisionnement en eau ou de nuisances sonores », a affirmé Kathy Hochul, la gouverneure de l’État de New York, en signant un décret imposant le moratoire interdisant pendant un an la construction d’un datacenter dans l’État. Une première aux États-Unis.

Dans le détail, ce moratoire suspend la délivrance d’autorisations pour les nouveaux centres de données ; il charge les autorités de mettre au point des normes portant sur les conséquences de ces infrastructures sur l’environnement, la consommation d’eau et d’énergie. L’État de New York n’étant pas la destination première pour les constructeurs de datacenters, l’impact du décret devrait être assez modeste.

Un des lobbys du secteur, la Data Center Coalition, déplore tout de même chez AP un moratoire qui garantira que les investissements, les emplois et l’activité économique liés à la construction et à la production « iront ailleurs qu’à New York, avec des répercussions qui dépasseront largement le seul secteur des centres de données ».

Les datacenters font l’unanimité contre eux

Des moratoires du même genre sont en discussion dans une dizaine d’États américains, mais aucun n’est allé aussi loin que New York. Il y a néanmoins des comtés et des municipalités qui ont imposé leurs propres interdictions. Les considérations politiques ont aussi leur place : la démocrate Kathy Hochul va se représenter l’année prochaine et les datacenters n’ont pas la cote chez de plus en plus d’électeurs.

Les élections de mi-mandat (midterms) sont également en approche : le 3 novembre, les électeurs devront notamment renouveler la Chambre des représentants, un tiers du Sénat, sans oublier de nombreux scrutins locaux. Plusieurs primaires désignant les candidats du Parti républicain pour des élections locales et régionales ont montré que même les supporters de Donald Trump ne sont forcément fans des datacenters.

Suno, la start-up spécialisée dans la génération de musique par IA, ne fait plus mystère de la provenance de ses données d’entraînement : elle a moissonné « pratiquement tous les fichiers musicaux de qualité raisonnable accessibles sur l’internet ouvert ». L’entreprise l’avait admis en 2024, à l’occasion d’une procédure en justice menée aux États-Unis par l’industrie du disque. On ignorait en revanche l’ampleur de cet « emprunt ».

Un hacker a partagé avec 404media des données internes de Suno qui détaillent la manière dont l’entreprise a constitué ses bases de données. Elle a en fait mangé à tous les râteliers : YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound ou encore IMSLP. Les volumes sont considérables : il y a par exemple plus de deux millions d’extraits provenant de YouTube Music, ou encore des dizaines de milliers d’heures issues du catalogue de Deezer.

Le code subtilisé par le pirate montre aussi que Suno cherchait spécifiquement des versions a cappella sur YouTube, probablement pour mieux isoler et analyser les voix. Pour mener ses opérations à grande échelle, la start-up aurait fait appel aux infrastructures de Bright Data, spécialiste de la collecte automatisée de données.

Les documents et données présentés par le hacker semblent confirmer les accusations des maisons de disques selon lesquelles Suno aurait pillé absolument tout ce qu’il était possible de voler, sans s’occuper de la légalité du procédé. Le puissant lobby musical américain RIAA soutenait ainsi que Suno avait procédé à de l’extraction directe de fichiers audio depuis YouTube, en contournant les mécanismes anti-copie de la plateforme.

« Comme nous l’avons indiqué dans des documents publics, les modèles d’IA de Suno ont été entraînés à partir de fichiers musicaux accessibles au public et de métadonnées associées, disponibles sur des sites tiers sur l’internet ouvert », a expliqué un porte-parole à 404media. Son moissonnage du « web ouvert » s’arrête aux paywalls et aux protections par mot de passe, assurait aussi l’entreprise durant une procédure judiciaire.

Elle reprend aussi la défense classique des labos IA qui affirment que l’entraînement de leurs modèles relève du « fair use », l’exception américaine au droit d’auteur. Ce piratage pourrait en tout cas renforcer les arguments des ayants droit, en particulier s’il est prouvé que la jeune pousse a contourné des verrous techniques, siphonné des catalogues commerciaux ou enfreint les conditions d’utilisation des plateformes.

Le pirate explique également avoir eu accès aux coordonnées de centaines de milliers de clients de Suno, ainsi qu’à des informations liées à des paiements Stripe en pénétrant les systèmes de la société avec les identifiants compromis d’un salarié. L’entreprise a reconnu un incident survenu en novembre dernier, mais elle assure qu’aucune information personnelle sensible n’a été compromise. Elle indique également n’avoir aucun accès aux numéros complets des cartes bancaires stockées par Stripe.

Sur le front judiciaire, l’horizon s’est éclairci pour Suno, qui a signé en novembre dernier un accord avec Warner. Cela va lui permettre d’utiliser le catalogue de la major.

• Musique et IA : le « plus grand vol de propriété intellectuelle de l’histoire », pour l’ICMP

Suno, la start-up spécialisée dans la génération de musique par IA, ne fait plus mystère de la provenance de ses données d’entraînement : elle a moissonné « pratiquement tous les fichiers musicaux de qualité raisonnable accessibles sur l’internet ouvert ». L’entreprise l’avait admis en 2024, à l’occasion d’une procédure en justice menée aux États-Unis par l’industrie du disque. On ignorait en revanche l’ampleur de cet « emprunt ».

Un hacker a partagé avec 404media des données internes de Suno qui détaillent la manière dont l’entreprise a constitué ses bases de données. Elle a en fait mangé à tous les râteliers : YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound ou encore IMSLP. Les volumes sont considérables : il y a par exemple plus de deux millions d’extraits provenant de YouTube Music, ou encore des dizaines de milliers d’heures issues du catalogue de Deezer.

Le code subtilisé par le pirate montre aussi que Suno cherchait spécifiquement des versions a cappella sur YouTube, probablement pour mieux isoler et analyser les voix. Pour mener ses opérations à grande échelle, la start-up aurait fait appel aux infrastructures de Bright Data, spécialiste de la collecte automatisée de données.

Les documents et données présentés par le hacker semblent confirmer les accusations des maisons de disques selon lesquelles Suno aurait pillé absolument tout ce qu’il était possible de voler, sans s’occuper de la légalité du procédé. Le puissant lobby musical américain RIAA soutenait ainsi que Suno avait procédé à de l’extraction directe de fichiers audio depuis YouTube, en contournant les mécanismes anti-copie de la plateforme.

« Comme nous l’avons indiqué dans des documents publics, les modèles d’IA de Suno ont été entraînés à partir de fichiers musicaux accessibles au public et de métadonnées associées, disponibles sur des sites tiers sur l’internet ouvert », a expliqué un porte-parole à 404media. Son moissonnage du « web ouvert » s’arrête aux paywalls et aux protections par mot de passe, assurait aussi l’entreprise durant une procédure judiciaire.

Elle reprend aussi la défense classique des labos IA qui affirment que l’entraînement de leurs modèles relève du « fair use », l’exception américaine au droit d’auteur. Ce piratage pourrait en tout cas renforcer les arguments des ayants droit, en particulier s’il est prouvé que la jeune pousse a contourné des verrous techniques, siphonné des catalogues commerciaux ou enfreint les conditions d’utilisation des plateformes.

Le pirate explique également avoir eu accès aux coordonnées de centaines de milliers de clients de Suno, ainsi qu’à des informations liées à des paiements Stripe en pénétrant les systèmes de la société avec les identifiants compromis d’un salarié. L’entreprise a reconnu un incident survenu en novembre dernier, mais elle assure qu’aucune information personnelle sensible n’a été compromise. Elle indique également n’avoir aucun accès aux numéros complets des cartes bancaires stockées par Stripe.

Sur le front judiciaire, l’horizon s’est éclairci pour Suno, qui a signé en novembre dernier un accord avec Warner. Cela va lui permettre d’utiliser le catalogue de la major.

• Musique et IA : le « plus grand vol de propriété intellectuelle de l’histoire », pour l’ICMP

Grouik Grouik

L’assistant dédié au code informatique de SpaceXAI, Grok Build, envoyait des projets entiers vers des serveurs distants, sans consentement préalable des développeurs concernés. L’entreprise et son patron Elon Musk ont reconnu le problème, assurant que les éléments distants seraient supprimés. Le comportement litigieux a été corrigé côté serveur, ce qui laisse donc la porte ouverte à une réactivation ultérieure.

Voilà une publicité dont SpaceXAI se serait sans doute bien passé. Un chercheur en sécurité, connu sous le pseudonyme Cereblab, a documenté le 10 juillet dernier la façon dont l’assistant en ligne de commande (CLI) dédié au code Grok Build envoyait le contenu des dépôts sur lesquels travaille l’utilisateur vers des serveurs distants.

Un assistant IA un peu trop curieux

Pour ce faire, il indique avoir simplement installé un proxy en sortie de sa machine, pour monitorer les échanges réseau. Sur un dossier de travail de 12 Go, il affirme avoir constaté que 5,1 Go de données, pourtant non manipulées lors de la session en cours, ont transité vers un bucket hébergé sur Google Cloud et avaient été « acceptés » par ce dernier.

Dans le lot figurait notamment un fichier .env, envoyé sans caviardage automatique des secrets. Son contenu se révèle pourtant sensible puisqu’il est dédié aux variables d’environnement telles que les clés d’accès aux interfaces de programmation (API) mises en œuvre dans le projet.

Son analyse illustre deux canaux d’échange en parallèle : un canal « modèle » dédié aux traitements, par lequel seuls 192 ko de données ont transité, et un canal « stockage », qui a donc chargé 5,1 Go d’informations. Pour aller plus loin, le chercheur a reproduit la manipulation, mais avec un prompt indiquant explicitement à Grok Build de ne lire aucun fichier. Là encore, il constate qu’un lot complet est expédié vers Google Cloud.

Le chercheur explique ensuite avoir reproduit l’expérience avec Claude Code, Codex d’OpenAI et Gemini, sans constater de transfert de données inapproprié. Il se garde en revanche de spéculer sur la finalité de cet envoi de données. « Rien de tout cela ne prouve que xAI [entraine ses modèles] sur les données. Ce qui est prouvé, c’est la transmission, l’acceptation et le stockage », écrit-il.

Plusieurs témoignages partagés sur les réseaux sociaux abondent dans le sens de ses découvertes. « Une simple commande vous permettra de voir si un fichier a été téléchargé : cat ~/.grok/logs/unified.jsonl | grep repo_state.upload », précise à ce sujet un développeur.

SpaceXAI a réagi en modifiant le comportement litigieux, comme le souligne Cereblab dans une mise à jour datée du 14 juillet :

« Depuis la publication : xAI a désactivé le chargement côté serveur (disable_codebase_upload : true) ; a ajouté une option de désactivation de la confidentialité (/privacy) — que j’ai testée et qui s’est avérée être un paramètre de conservation des données, et non un blocage de l’envoi. »

SpaceXAI admet à demi-mots un problème

L’entreprise n’a pas publié de note de version dédiée, mais elle s’est exprimée le 13 juillet sur X, en affirmant qu’aucune donnée n’était conservée pour les entreprises qui avaient fait le choix d’un fonctionnement sans rétention de données (ZDR). Pour les autres, elle indique que le nouveau paramètre /privacy permet de supprimer cette rétention de données directement depuis l’interface en ligne de commande, et que l’activation de cette dernière supprimait les données précédemment synchronisées.

Elon Musk a quant à lui minimisé la portée de l’incident, tout en assurant qu’en guise de mesure de précaution, toutes les données précédemment uploadées par SpaceXAI seraient supprimées. L’examen de la dernière version en date de Grok Build laisse toutefois supposer que la fonction d’envoi reste intégrée au client, ce qui signifie que SpaceXAI n’a pas bloqué en dur cette possibilité, mais simplement modifié à son niveau la politique associée. Un nouveau changement de configuration reste donc possible.

En attendant de voir si SpaceXAI clarifie la situation et propose des garde-fous plus solides, les utilisateurs de Grok Build ont sans doute intérêt à vérifier le statut de leurs propres dépôts et à en modifier les secrets.

• Dans la foulée de son IPO, SpaceX rachète Cursor et ses modèles dédiés aux développeurs

Grouik Grouik

L’assistant dédié au code informatique de SpaceXAI, Grok Build, envoyait des projets entiers vers des serveurs distants, sans consentement préalable des développeurs concernés. L’entreprise et son patron Elon Musk ont reconnu le problème, assurant que les éléments distants seraient supprimés. Le comportement litigieux a été corrigé côté serveur, ce qui laisse donc la porte ouverte à une réactivation ultérieure.

Voilà une publicité dont SpaceXAI se serait sans doute bien passé. Un chercheur en sécurité, connu sous le pseudonyme Cereblab, a documenté le 10 juillet dernier la façon dont l’assistant en ligne de commande (CLI) dédié au code Grok Build envoyait le contenu des dépôts sur lesquels travaille l’utilisateur vers des serveurs distants.

Un assistant IA un peu trop curieux

Pour ce faire, il indique avoir simplement installé un proxy en sortie de sa machine, pour monitorer les échanges réseau. Sur un dossier de travail de 12 Go, il affirme avoir constaté que 5,1 Go de données, pourtant non manipulées lors de la session en cours, ont transité vers un bucket hébergé sur Google Cloud et avaient été « acceptés » par ce dernier.

Dans le lot figurait notamment un fichier .env, envoyé sans caviardage automatique des secrets. Son contenu se révèle pourtant sensible puisqu’il est dédié aux variables d’environnement telles que les clés d’accès aux interfaces de programmation (API) mises en œuvre dans le projet.

Son analyse illustre deux canaux d’échange en parallèle : un canal « modèle » dédié aux traitements, par lequel seuls 192 ko de données ont transité, et un canal « stockage », qui a donc chargé 5,1 Go d’informations. Pour aller plus loin, le chercheur a reproduit la manipulation, mais avec un prompt indiquant explicitement à Grok Build de ne lire aucun fichier. Là encore, il constate qu’un lot complet est expédié vers Google Cloud.

Le chercheur explique ensuite avoir reproduit l’expérience avec Claude Code, Codex d’OpenAI et Gemini, sans constater de transfert de données inapproprié. Il se garde en revanche de spéculer sur la finalité de cet envoi de données. « Rien de tout cela ne prouve que xAI [entraine ses modèles] sur les données. Ce qui est prouvé, c’est la transmission, l’acceptation et le stockage », écrit-il.

Plusieurs témoignages partagés sur les réseaux sociaux abondent dans le sens de ses découvertes. « Une simple commande vous permettra de voir si un fichier a été téléchargé : cat ~/.grok/logs/unified.jsonl | grep repo_state.upload », précise à ce sujet un développeur.

SpaceXAI a réagi en modifiant le comportement litigieux, comme le souligne Cereblab dans une mise à jour datée du 14 juillet :

« Depuis la publication : xAI a désactivé le chargement côté serveur (disable_codebase_upload : true) ; a ajouté une option de désactivation de la confidentialité (/privacy) — que j’ai testée et qui s’est avérée être un paramètre de conservation des données, et non un blocage de l’envoi. »

SpaceXAI admet à demi-mots un problème

L’entreprise n’a pas publié de note de version dédiée, mais elle s’est exprimée le 13 juillet sur X, en affirmant qu’aucune donnée n’était conservée pour les entreprises qui avaient fait le choix d’un fonctionnement sans rétention de données (ZDR). Pour les autres, elle indique que le nouveau paramètre /privacy permet de supprimer cette rétention de données directement depuis l’interface en ligne de commande, et que l’activation de cette dernière supprimait les données précédemment synchronisées.

Elon Musk a quant à lui minimisé la portée de l’incident, tout en assurant qu’en guise de mesure de précaution, toutes les données précédemment uploadées par SpaceXAI seraient supprimées. L’examen de la dernière version en date de Grok Build laisse toutefois supposer que la fonction d’envoi reste intégrée au client, ce qui signifie que SpaceXAI n’a pas bloqué en dur cette possibilité, mais simplement modifié à son niveau la politique associée. Un nouveau changement de configuration reste donc possible.

En attendant de voir si SpaceXAI clarifie la situation et propose des garde-fous plus solides, les utilisateurs de Grok Build ont sans doute intérêt à vérifier le statut de leurs propres dépôts et à en modifier les secrets.

• Dans la foulée de son IPO, SpaceX rachète Cursor et ses modèles dédiés aux développeurs

Google est accusé d’avoir commis « l’une des violations de droits d’auteur les plus massives de l’histoire ». La plainte déposée notamment par Hachette contre le géant du web l’accuse d’avoir puisé sans autorisation dans des millions de livres et d’articles pour entraîner Gemini, avant de dissimuler l’origine de ces contenus.

Google fait l’objet d’une plainte [PDF] datée du 10 juillet et déposée entre autres par Hachette, l’éditeur américain spécialisé dans l’éducation Cengage, le groupe d’édition scientifique Elsevier ou encore l’auteur à succès Scott Turow. D’après les plaignants, le moteur de recherche aurait entraîné l’IA de Gemini à partir d’ouvrages obtenus par des services comme Google Books, Google Play Books et Google Scholar, alors que les autorisations d’exploitation de l’entreprise se limitaient à la recherche, l’affichage d’extraits ou la vente.

Google se serait aussi rendu coupable d’avoir intégré des textes récupérés sur le web, y compris depuis des sites pirates. Le groupe aurait également réalisé des copies de ces œuvres au moment de préparer les données et d’entraîner ses modèles. « Google a également supprimé les informations de gestion des droits d’auteur des œuvres protégées qu’il avait dérobées, afin de dissimuler les sources utilisées pour l’entraînement et de faciliter leur utilisation non autorisée », déplore la plainte.

Google fait le mal

« Désespéré à l’idée de préserver sa domination en ligne, Google a abandonné son ancienne devise, “Don’t be Evil”, et s’est livré à l’une des violations de contenus protégés par le droit d’auteur les plus massives de l’histoire », attaquent les plaignants. « Google a reproduit des millions d’œuvres protégées sans autorisation, sans verser la moindre compensation aux auteurs ou aux éditeurs, et en sachant parfaitement que sa conduite enfreignait le droit d’auteur », poursuivent-ils.

La plainte, déposée à New York et révélée par The Wrap, soutient que Gemini peut produire des résumés très détaillés, des passages proches des originaux, des chapitres ou des textes qui imitent le style de certains auteurs. Des contenus générés par IA qui concurrencent directement les livres et les articles originaux, sans rien verser aux auteurs.

Les plaignants demandent que la procédure soit reconnue comme un recours collectif. Ils veulent aussi que le tribunal reconnaisse que Google a enfreint le droit d’auteur et le DMCA, et qu’elle doit arrêter ses pratiques illégales, se voir imposer le versement de dommages et intérêts, et l’obligation de détailler les contenus utilisés pour entraîner Gemini.

Google n’est pas la seule entreprise IA visée par de telles accusations. En fait, elles font toutes l’objet de telles plaintes ou polémiques. Encore tout récemment, Apple a été poursuivie par des chaînes YouTube. Anthropic avait joué du carnet de chèques en septembre 2025, en mettant 1,5 milliard de dollars sur la table pour éteindre une poursuite initié par des auteurs et autrices. Le Français Mistral AI a lui aussi fait l’objet d’une enquête démontrant l’entraînement de modèles sur des textes littéraires.

Google est accusé d’avoir commis « l’une des violations de droits d’auteur les plus massives de l’histoire ». La plainte déposée notamment par Hachette contre le géant du web l’accuse d’avoir puisé sans autorisation dans des millions de livres et d’articles pour entraîner Gemini, avant de dissimuler l’origine de ces contenus.

Google fait l’objet d’une plainte [PDF] datée du 10 juillet et déposée entre autres par Hachette, l’éditeur américain spécialisé dans l’éducation Cengage, le groupe d’édition scientifique Elsevier ou encore l’auteur à succès Scott Turow. D’après les plaignants, le moteur de recherche aurait entraîné l’IA de Gemini à partir d’ouvrages obtenus par des services comme Google Books, Google Play Books et Google Scholar, alors que les autorisations d’exploitation de l’entreprise se limitaient à la recherche, l’affichage d’extraits ou la vente.

Google se serait aussi rendu coupable d’avoir intégré des textes récupérés sur le web, y compris depuis des sites pirates. Le groupe aurait également réalisé des copies de ces œuvres au moment de préparer les données et d’entraîner ses modèles. « Google a également supprimé les informations de gestion des droits d’auteur des œuvres protégées qu’il avait dérobées, afin de dissimuler les sources utilisées pour l’entraînement et de faciliter leur utilisation non autorisée », déplore la plainte.

Google fait le mal

« Désespéré à l’idée de préserver sa domination en ligne, Google a abandonné son ancienne devise, “Don’t be Evil”, et s’est livré à l’une des violations de contenus protégés par le droit d’auteur les plus massives de l’histoire », attaquent les plaignants. « Google a reproduit des millions d’œuvres protégées sans autorisation, sans verser la moindre compensation aux auteurs ou aux éditeurs, et en sachant parfaitement que sa conduite enfreignait le droit d’auteur », poursuivent-ils.

La plainte, déposée à New York et révélée par The Wrap, soutient que Gemini peut produire des résumés très détaillés, des passages proches des originaux, des chapitres ou des textes qui imitent le style de certains auteurs. Des contenus générés par IA qui concurrencent directement les livres et les articles originaux, sans rien verser aux auteurs.

Les plaignants demandent que la procédure soit reconnue comme un recours collectif. Ils veulent aussi que le tribunal reconnaisse que Google a enfreint le droit d’auteur et le DMCA, et qu’elle doit arrêter ses pratiques illégales, se voir imposer le versement de dommages et intérêts, et l’obligation de détailler les contenus utilisés pour entraîner Gemini.

Google n’est pas la seule entreprise IA visée par de telles accusations. En fait, elles font toutes l’objet de telles plaintes ou polémiques. Encore tout récemment, Apple a été poursuivie par des chaînes YouTube. Anthropic avait joué du carnet de chèques en septembre 2025, en mettant 1,5 milliard de dollars sur la table pour éteindre une poursuite initié par des auteurs et autrices. Le Français Mistral AI a lui aussi fait l’objet d’une enquête démontrant l’entraînement de modèles sur des textes littéraires.

Oops... they did it again !

Très critiqué pour les enjeux de vie privée posés par son nouveau modèle Muse Image, Meta a décidé de suspendre l’outil permettant de générer des images en utilisant des photos d’autres utilisateurs Instagram.

L’expérience aura fait long feu. Déployée la semaine dernière, la fonction du modèle Muse Image permettant d’exploiter des images d’autres utilisateurs d’Instagram a été suspendue par Meta. En d’autres termes, les utilisateurs du réseau social peuvent toujours générer des images avec ce nouvel outil, mais ils n’ont plus la possibilité d’y faire figurer un autre utilisateur. En cause : de multiples critiques sur la manière dont le réseau social encourageait les internautes à utiliser les images des autres utilisatrices et utilisateurs pour générer de nouveaux contenus à l’aide de l’intelligence artificielle.

Le 8 juillet, Meta a dévoilé un modèle de génération d’image intégrée à son chatbot Meta AI et déployé des fonctionnalités de cet outil dans Instagram, permettant aux usagers de créer de nouvelles images et de retoucher ou de fictionnaliser des images existantes. Les possibilités vont de l’évolution d’une photo en lui appliquant un filtre jusqu’à la transformation complète des éléments représentés à l’image (pour leur donner l’aspect de pâte à modeler, par exemple). Elle permettait aussi de représenter d’autres internautes, grâce à une simple mention de leur handle Instagram.

• Muse Image : Meta lance son générateur d’« AI slop » maison

« Incompréhension totale de l’opinion publique » envers ce type d’outils

Le 10 juillet, l’entreprise est revenue sur son projet. Dès la publication de Muse Image, Meta s’est retrouvée sous un feu de critiques nourries sur le choix de déployer les fonctionnalités de recours à son modèle sur le modèle de l’opt-out. De fait, les utilisateurs se retrouvaient automatiquement embarqués dans le système, et ne pouvaient s’y opposer qu’en se rendant dans les paramètres de leurs comptes, à l’onglet « Partages et réutilisations ». Des célébrités et des syndicats hollywoodiens se sont même emparés du sujet.

Ainsi de Hannah Einbinder, révélée par la série Hacks, ou du syndicat des acteurs états-uniens SAG-AFTRA, qui ont appelé leurs audiences respectives à refuser ce réusage de leurs images et publications Instagram. Pour SAG-AFTRA, « toute modalité autre qu’un choix [opt-in, ndlr] clair et évident pour ce type d’utilisation des images des utilisateurs d’Instagram est inacceptable, et une incompréhension totale de l’opinion publique vis-à-vis des dangers évidents que ce genre d’utilisation provoque ».

De fait, difficile de ne pas penser à la vague de deepfakes pornographiques qui a enseveli X lorsque des fonctionnalités similaires y ont été rendues disponibles à l’hiver 2025. Difficile, aussi, de ne pas voir les problématiques de droits d’auteurs que ce type d’outil amplifie, dans la mesure où Instagram est très largement utilisé par les artistes graphiques pour faire connaître une partie de leur travail.

• Elon Musk avait personnellement supervisé la dérive sexuelle de Grok

La fonctionnalité n’a « pas répondu aux attentes »

« Notre souhait était de fournir un outil créatif utile et de donner aux gens le contrôle sur la possibilité de laisser leur contenu public être référencé de cette manière », a déclaré Meta dans un communiqué. Outre le contenu publié par les internautes, la photo de profil faisait aussi partie des contenus susceptibles d’être réutilisés si l’usager laissait Meta AI libre d’accéder à ses publications.

« Nous avons entendu les commentaires indiquant que cette fonctionnalité n’avait pas répondu aux attentes », a continué l’entreprise. À ce titre, indique-t-elle, elle n’est plus disponible. Ce 13 juillet, la formulation des encarts qui indiquaient encore vendredi « Autoriser la réutilisation de votre contenu sur Instagram et avec les fonctionnalités IA de Meta » déclare désormais seulement « Autoriser la réutilisation de votre contenu ». Le texte explicatif mentionnant les fonctionnalités d’IA a été modifié, supprimant cette évocation.

Seule la partie dédiée à la réutilisation des reels (les vidéos verticales) souligne qu’en cas de consentement de l’internaute, « tout ou partie de votre audio d’origine » peut être réutilisé « sur les applications et le site Web de Meta AI ».

Avant Meta, OpenAI avait déployé des fonctionnalités similaires avec son modèle Sora 2, aux États-Unis. Là encore, les outils avaient été déployés sur le mode de l’opt-out. Et dans ce cas aussi, l’entreprise avaient été suffisamment critiquée pour décider de modifier sa politique. Elle a finalement coupé l’accès à Sora en mars 2026.

• OpenAI abandonne Sora et les vidéos générées par IA, l’accord avec Disney vole en éclats

Oops... they did it again !

Très critiqué pour les enjeux de vie privée posés par son nouveau modèle Muse Image, Meta a décidé de suspendre l’outil permettant de générer des images en utilisant des photos d’autres utilisateurs Instagram.

L’expérience aura fait long feu. Déployée la semaine dernière, la fonction du modèle Muse Image permettant d’exploiter des images d’autres utilisateurs d’Instagram a été suspendue par Meta. En d’autres termes, les utilisateurs du réseau social peuvent toujours générer des images avec ce nouvel outil, mais ils n’ont plus la possibilité d’y faire figurer un autre utilisateur. En cause : de multiples critiques sur la manière dont le réseau social encourageait les internautes à utiliser les images des autres utilisatrices et utilisateurs pour générer de nouveaux contenus à l’aide de l’intelligence artificielle.

Le 8 juillet, Meta a dévoilé un modèle de génération d’image intégrée à son chatbot Meta AI et déployé des fonctionnalités de cet outil dans Instagram, permettant aux usagers de créer de nouvelles images et de retoucher ou de fictionnaliser des images existantes. Les possibilités vont de l’évolution d’une photo en lui appliquant un filtre jusqu’à la transformation complète des éléments représentés à l’image (pour leur donner l’aspect de pâte à modeler, par exemple). Elle permettait aussi de représenter d’autres internautes, grâce à une simple mention de leur handle Instagram.

• Muse Image : Meta lance son générateur d’« AI slop » maison

« Incompréhension totale de l’opinion publique » envers ce type d’outils

Le 10 juillet, l’entreprise est revenue sur son projet. Dès la publication de Muse Image, Meta s’est retrouvée sous un feu de critiques nourries sur le choix de déployer les fonctionnalités de recours à son modèle sur le modèle de l’opt-out. De fait, les utilisateurs se retrouvaient automatiquement embarqués dans le système, et ne pouvaient s’y opposer qu’en se rendant dans les paramètres de leurs comptes, à l’onglet « Partages et réutilisations ». Des célébrités et des syndicats hollywoodiens se sont même emparés du sujet.

Ainsi de Hannah Einbinder, révélée par la série Hacks, ou du syndicat des acteurs états-uniens SAG-AFTRA, qui ont appelé leurs audiences respectives à refuser ce réusage de leurs images et publications Instagram. Pour SAG-AFTRA, « toute modalité autre qu’un choix [opt-in, ndlr] clair et évident pour ce type d’utilisation des images des utilisateurs d’Instagram est inacceptable, et une incompréhension totale de l’opinion publique vis-à-vis des dangers évidents que ce genre d’utilisation provoque ».

De fait, difficile de ne pas penser à la vague de deepfakes pornographiques qui a enseveli X lorsque des fonctionnalités similaires y ont été rendues disponibles à l’hiver 2025. Difficile, aussi, de ne pas voir les problématiques de droits d’auteurs que ce type d’outil amplifie, dans la mesure où Instagram est très largement utilisé par les artistes graphiques pour faire connaître une partie de leur travail.

• Elon Musk avait personnellement supervisé la dérive sexuelle de Grok

La fonctionnalité n’a « pas répondu aux attentes »

« Notre souhait était de fournir un outil créatif utile et de donner aux gens le contrôle sur la possibilité de laisser leur contenu public être référencé de cette manière », a déclaré Meta dans un communiqué. Outre le contenu publié par les internautes, la photo de profil faisait aussi partie des contenus susceptibles d’être réutilisés si l’usager laissait Meta AI libre d’accéder à ses publications.

« Nous avons entendu les commentaires indiquant que cette fonctionnalité n’avait pas répondu aux attentes », a continué l’entreprise. À ce titre, indique-t-elle, elle n’est plus disponible. Ce 13 juillet, la formulation des encarts qui indiquaient encore vendredi « Autoriser la réutilisation de votre contenu sur Instagram et avec les fonctionnalités IA de Meta » déclare désormais seulement « Autoriser la réutilisation de votre contenu ». Le texte explicatif mentionnant les fonctionnalités d’IA a été modifié, supprimant cette évocation.

Seule la partie dédiée à la réutilisation des reels (les vidéos verticales) souligne qu’en cas de consentement de l’internaute, « tout ou partie de votre audio d’origine » peut être réutilisé « sur les applications et le site Web de Meta AI ».

Avant Meta, OpenAI avait déployé des fonctionnalités similaires avec son modèle Sora 2, aux États-Unis. Là encore, les outils avaient été déployés sur le mode de l’opt-out. Et dans ce cas aussi, l’entreprise avaient été suffisamment critiquée pour décider de modifier sa politique. Elle a finalement coupé l’accès à Sora en mars 2026.

• OpenAI abandonne Sora et les vidéos générées par IA, l’accord avec Disney vole en éclats

Googlebot, persona non grata

La recherche Google qui façonne le web depuis 1998 a-t-elle vécu ? Plusieurs grands éditeurs de presse envisagent en effet de tout simplement quitter le moteur de recherche en lui interdisant d’indexer leurs contenus. Ils dénoncent l’exploitation qui en faite dans les réponses générées par l’IA de Google, alors même que la recherche leur apporte de moins en moins de trafic.

Le groupe USA Today, qui édite le quotidien américain du même nom ainsi qu’une myriade d’autres sites d’actualité à travers les États-Unis, se donne de 6 à 12 mois pour décider du blocage de l’indexation de ses contenus par Google. En d’autres termes, l’éditeur de presse pourrait tout simplement… quitter Google.

Le saut dans l’inconnu

Cette menace se matérialiserait au niveau de robots.txt, un petit fichier placé à la racine du site qui indique aux robots des moteurs de recherche les pages qu’ils sont autorisés à indexer. En bloquant Googlebot, USA Today empêcherait Google de parcourir ses contenus et, à terme, de les faire apparaître dans ses résultats.

« Je ne dirais pas que c’est une décision majeure, puisque nous bloquons déjà d’autres robots d’exploration », explique Mike Reed, le directeur général du groupe, à Adweek. « Ceux avec lesquels nous avons conclu des accords de licence ont accès à nos contenus. Les autres, nous les bloquons », ajoute-t-il. Il semble donc assez clair qu’il s’agit d’une tactique pour pousser Google à la table des négociations.

Néanmoins, c’est un coup de semonce qui pourrait en annoncer d’autres. Beehiiv, la plateforme de création, de diffusion et de monétisation de newsletters, a également annoncé que les membres de son réseau ont désormais la possibilité de bloquer Googlebot. Et Cloudflare est aux avant-postes pour forcer Google à évoluer.

Déluge en perspective

En mai 2026, Microsoft avait indiqué brièvement que ses équipes d’ingénieurs utilisaient de plus en plus les LLM pour chercher les failles de sécurité. Cette fois, l’entreprise détaille sa façon de faire, en insistant sur l’importance que représentent désormais les grands modèles dans la sécurité de ses produits, Windows en tête.

Le « Patch Tuesday » est le nom que l’on donne au deuxième mardi de chaque mois, date retenue par Microsoft pour effectuer un lâcher de correctifs. Or, celui de juin a marqué une rupture : avec quasiment 200 failles colmatées au compteur, il établissait un nouveau record. Dans un billet en mai, la firme avait indiqué que ses ingénieurs utilisaient les LLM et le faisaient de plus en plus. On pouvait donc supposer que même si le Patch Tuesday de juin était un record, le rythme n’allait pas ralentir.

L’éditeur a justement publié un long billet de blog pour expliquer comment l’IA générative faisait désormais partie intégrante de ses processus.

De l’IA à presque tous les étages

Microsoft explique avoir fait évoluer ses systèmes d’ingénierie et de validation pour réduire le délai entre la découverte d’une vulnérabilité et la protection des clients, en priorisant les zones à plus fort risque. Concrètement, l’IA est intégrée plus tôt dans le cycle de développement, l’évaluation passant toujours par l’expertise humaine, de même que l’arbitrage sur les risques et la garantie que les correctifs respectent le niveau de qualité attendu, affirme l’entreprise.

Faut-il donc s’attendre à une déferlante chaque mois ? Il n’y a bien sûr aucune raison que l’IA utilisée pour débusquer autant de problèmes en mai et juin soit délaissée par la suite. Microsoft prévient ainsi que les clients verront un volume plus élevé de mises à jour de sécurité dans chaque publication. L’éditeur précise rapidement que ce changement est la preuve que les équipes de défense s’améliorent dans l’identification et le traitement des problèmes, pas un signe de dégradation de la sécurité de Windows.