Cisco prend le contrepied des immenses et très coûteux modèles de pointe généralistes avec la mise en ligne de deux petits modèles à poids ouverts, dédiés spécifiquement à la recherche de vulnérabilités. Baptisés Antares, ils offrent selon l’équipementier un rapport coût performances particulièrement intéressant en usage local.
Entre Mythos, Fable 5, l’explosion du volume de failles détectées chez Microsoft ou l’attaque surprise lancée par un modèle d’OpenAI sur les infrastructures de Hugging Face, c’est peu dire que l’IA générative percute de plein fouet le monde de la cybersécurité. Point commun de ces différentes annonces, savamment entretenues par le narratif marketing des laboratoires spécialisés : elles font appel à des modèles de pointe (frontier models), aussi performants que gourmands en ressources.
Précision et rappel
L’équipementier réseau Cisco s’invite dans l’arène avec une proposition de valeur un peu différente. Le 21 juillet, il a publié deux modèles à poids ouverts, plutôt modestes au premier abord puisqu’ils se limitent à respectivement 350 millions et un milliard de paramètres. Entraînés spécifiquement pour la recherche de vulnérabilités, ces deux modèles délivreraient des performances particulièrement intéressantes au regard de leur relative légèreté.
Pour ce faire, Cisco n’a pas cherché à doper les facultés de raisonnement de ses modèles, mais plutôt à optimiser leur précision et leur rappel grâce à une recherche par itérations. « Chaque modèle part d’une description de vulnérabilité, recherche des motifs de code pertinents, examine les fichiers candidats, intègre de nouveaux éléments, change d’orientation lorsqu’une piste s’avère infructueuse et affine sa recherche pour cibler les fichiers les plus susceptibles d’être critiques », décrit Cisco dans un billet d’annonce.
L’objectif des modèles Antares n’est donc pas d’analyser des systèmes ou cas de figure complexes, comme pourrait tenter de le faire un modèle frontière doté de capacités de raisonnement. Cisco les présente plutôt comme une assistance, capable de localiser les fichiers correspondant à une CVE dans un dépôt, de trier les alertes de vulnérabilité, de procéder à de l’enrichissement statistique en scannant des bases de code, ou de réaliser des analyses de sécurité locales dans des environnements soumis à des exigences de conformité.
Des modèles légers centrés sur la recherche de vulnérabilités
Le tout avec un coût en ressources significativement plus faible que celui des grands modèles. « Les tests montrent que ces modèles surpassent de nombreux modèles puissants – qu’ils soient à poids fermés ou ouverts – dans cette tâche de sécurité critique, et ce, pour une fraction du coût. De plus, ils sont suffisamment compacts pour être exécutés localement, évitant ainsi d’avoir à envoyer des bases de code sensibles dans le cloud », avance Cisco.
Dans ce contexte, l’équipementier justifie le choix de l’open source par la nécessité de fournir à la communauté cyber « des briques élémentaires plus accessibles pour une défense pratique au niveau du dépôt ».
Reste à mesurer les performances réelles de ces deux premiers modèles, qui seront bientôt rejoints par une variante à 3 milliards de paramètres (Antares-3B). Pour ce faire, Cisco estime ne pas pouvoir se baser sur les benchmarks traditionnellement dédiés au code, qui couvrent une palette plus large de scénarios d’usage, et a donc conçu son propre référentiel… qui, sans surprise, livre des résultats flatteurs pour les modèles maison.
Antares-1B se situerait ainsi entre GLM-5.2 et GPT-5.5 pour la localisation de vulnérabilités. Contrairement aux ténors du marché, les modèles Antares sont en revanche incapables de vérifier leurs découvertes. Cisco les positionne de ce fait comme un maillon spécialisé dans une chaîne d’outils IA plus large. « Dans l’ensemble, Antares démontre que des modèles compacts et déployables localement peuvent effectuer une analyse de sécurité autonome pertinente lorsqu’ils sont entraînés directement sur les schémas d’interaction requis par la tâche », concluent les auteurs de l’article technique dédié (PDF).
Cisco prend le contrepied des immenses et très coûteux modèles de pointe généralistes avec la mise en ligne de deux petits modèles à poids ouverts, dédiés spécifiquement à la recherche de vulnérabilités. Baptisés Antares, ils offrent selon l’équipementier un rapport coût performances particulièrement intéressant en usage local.
Entre Mythos, Fable 5, l’explosion du volume de failles détectées chez Microsoft ou l’attaque surprise lancée par un modèle d’OpenAI sur les infrastructures de Hugging Face, c’est peu dire que l’IA générative percute de plein fouet le monde de la cybersécurité. Point commun de ces différentes annonces, savamment entretenues par le narratif marketing des laboratoires spécialisés : elles font appel à des modèles de pointe (frontier models), aussi performants que gourmands en ressources.
Précision et rappel
L’équipementier réseau Cisco s’invite dans l’arène avec une proposition de valeur un peu différente. Le 21 juillet, il a publié deux modèles à poids ouverts, plutôt modestes au premier abord puisqu’ils se limitent à respectivement 350 millions et un milliard de paramètres. Entraînés spécifiquement pour la recherche de vulnérabilités, ces deux modèles délivreraient des performances particulièrement intéressantes au regard de leur relative légèreté.
Pour ce faire, Cisco n’a pas cherché à doper les facultés de raisonnement de ses modèles, mais plutôt à optimiser leur précision et leur rappel grâce à une recherche par itérations. « Chaque modèle part d’une description de vulnérabilité, recherche des motifs de code pertinents, examine les fichiers candidats, intègre de nouveaux éléments, change d’orientation lorsqu’une piste s’avère infructueuse et affine sa recherche pour cibler les fichiers les plus susceptibles d’être critiques », décrit Cisco dans un billet d’annonce.
L’objectif des modèles Antares n’est donc pas d’analyser des systèmes ou cas de figure complexes, comme pourrait tenter de le faire un modèle frontière doté de capacités de raisonnement. Cisco les présente plutôt comme une assistance, capable de localiser les fichiers correspondant à une CVE dans un dépôt, de trier les alertes de vulnérabilité, de procéder à de l’enrichissement statistique en scannant des bases de code, ou de réaliser des analyses de sécurité locales dans des environnements soumis à des exigences de conformité.
Des modèles légers centrés sur la recherche de vulnérabilités
Le tout avec un coût en ressources significativement plus faible que celui des grands modèles. « Les tests montrent que ces modèles surpassent de nombreux modèles puissants – qu’ils soient à poids fermés ou ouverts – dans cette tâche de sécurité critique, et ce, pour une fraction du coût. De plus, ils sont suffisamment compacts pour être exécutés localement, évitant ainsi d’avoir à envoyer des bases de code sensibles dans le cloud », avance Cisco.
Dans ce contexte, l’équipementier justifie le choix de l’open source par la nécessité de fournir à la communauté cyber « des briques élémentaires plus accessibles pour une défense pratique au niveau du dépôt ».
Reste à mesurer les performances réelles de ces deux premiers modèles, qui seront bientôt rejoints par une variante à 3 milliards de paramètres (Antares-3B). Pour ce faire, Cisco estime ne pas pouvoir se baser sur les benchmarks traditionnellement dédiés au code, qui couvrent une palette plus large de scénarios d’usage, et a donc conçu son propre référentiel… qui, sans surprise, livre des résultats flatteurs pour les modèles maison.
Antares-1B se situerait ainsi entre GLM-5.2 et GPT-5.5 pour la localisation de vulnérabilités. Contrairement aux ténors du marché, les modèles Antares sont en revanche incapables de vérifier leurs découvertes. Cisco les positionne de ce fait comme un maillon spécialisé dans une chaîne d’outils IA plus large. « Dans l’ensemble, Antares démontre que des modèles compacts et déployables localement peuvent effectuer une analyse de sécurité autonome pertinente lorsqu’ils sont entraînés directement sur les schémas d’interaction requis par la tâche », concluent les auteurs de l’article technique dédié (PDF).
L’administration Trump a peut-être trouvé la réplique à Kimi K3, le nouveau modèle IA du labo chinois Moonshot AI, dont les poids seront publiés la semaine prochaine. Un officiel de la Maison-Blanche accuse le LLM de distillation de Fable, le modèle d’Anthropic.
Depuis le lancement de Kimi K3 le 17 juillet dernier, on sent comme un petit vent de panique au sein du gouvernement américain. Le modèle développé par Moonshot AI a plusieurs arguments à faire valoir face à la concurrence des labos états-uniens : des performances 3T « de niveau frontière », en tout cas pas si éloignées des modèles US, des prix plus doux, et surtout une ouverture attendue le 27 juillet. Les poids de Kimi K3 doivent en effet être publiés la semaine prochaine, ce qui permettra aux entreprises et aux organisations de l’installer sur leurs propres serveurs et éventuellement de le modifier.
Le côté open source couplé avec des capacités de premier plan risque de secouer très sérieusement le secteur de l’IA tout entier. Les entreprises pourraient trouver là un modèle à la fois abordable et personnalisable, bien plus souple que les concurrents GPT, Claude et consorts. La place de marché OpenRouter a d’ailleurs calculé que les modèles chinois (majoritairement à poids ouverts) représentaient 60 % de l’usage de tokens par les sociétés américaines, rapporte Bloomberg.
Cette ouverture des modèles provenant de Chine est une stratégie voulue par Pékin. Le président Xi Jinping a ainsi encouragé « l’open source, la collaboration et le partage » pour que l’IA bénéficie aux entreprises de toutes les industries durant la World Artificial Intelligence Conference de Shanghai la semaine dernière.
Washington cherche la faille
C’est un caillou dans la chaussure de l’IA américaine, où les modèles fermés et propriétaires sont la norme. Ils permettent aux labos d’avoir la haute main sur la tarification des tokens, ils peuvent aussi couper le robinet de leurs modèles à tout moment pour n’importe quelle raison – comme on l’a vu le mois dernier avec Fable 5. Le gouvernement américain veut désormais avoir un œil sur les nouveaux modèles de frontière avant leur mise à disposition.
Les modèles à poids ouverts ont ceci de particulier qu’une fois lâchés dans la nature, il devient pratiquement impossible de refermer la boîte. Pour protéger son industrie IA, la Maison-Blanche envisage donc plusieurs tactiques, mais une semble se détacher du lot.
Michael Kratsios, directeur du Bureau de la politique scientifique et technologique de l’administration, affirme sur les réseaux sociaux : « Nous disposons d’informations selon lesquelles Moonshot AI a distillé Fable, le modèle d’Anthropic, pour développer son modèle K3 ». Le haut responsable explique que la startup chinoise a développé une « plateforme interne sophistiquée » pour mener des opérations de distillation à grande échelle.
De la sorte, Moonshot aurait ainsi pu « passer rapidement d’une méthode d’accès à une autre afin d’éviter d’être détectée ». L’entreprise aurait également eu accès à des serveurs équipés de puces GB300 de NVIDIA en Thaïlande, « probablement pour entraîner ses modèles d’IA ». Kratsios n’a rien contre la « distillation légitime », mais « les opérations clandestines de distillation industrielle menées à grande échelle dans le but de voler des technologies américaines propriétaires et de saper la recherche américaine sont inacceptables. »
Tout le monde ne partage pas l’inquiétude de Washington
Anthropic a par le passé déjà accusé Moonshot de distillation sauvage. De son côté, OpenAI se fait beaucoup plus prudente. Dean Ball, responsable de la prospective stratégique au sein du labo, pense ainsi que les performances de Kimi K3 ne peuvent pas être expliquées par une distillation.
Greg Brockman, cofondateur et président d’OpenAI, estime qu’il est encore trop tôt pour déterminer si Moonshot a extrait des résultats des modèles de son entreprise pour améliorer Kimi K3. Mais « c’est quelque chose que nous surveillons en permanence », a-t-il ajouté à Bloomberg, en tressant des lauriers au modèle concurrent, « plutôt bon ».
Les modèles chinois sont mêmes jugés « excellents » par Jensen Huang, le directeur général de NVIDIA. « Les modèles open source qui sont excellents devraient être utilisés », a-t-il ajouté auprès d’Axios. « Il n’existe aucun scénario où la Chine pourrait évincer les entreprises américaines, c’est tout simplement impossible », assène-t-il. Les labos IA américains n’ont donc pas à craindre les modèles à poids ouverts, selon lui, car ils élargissent le marché en permettant à davantage de personnes de découvrir l’IA.
De nombreux utilisateurs continueront de payer pour la simplicité, la fiabilité et les « performances supérieures » des modèles fermés, poursuit le dirigeant. Il prêche évidemment pour sa paroisse : « Une IA gratuite devrait être une excellente nouvelle pour le matériel informatique, une excellente nouvelle pour les puces, une excellente nouvelle pour les centres de données ». Toutes choses fournies par NVIDIA, bien sûr.
L’administration Trump a peut-être trouvé la réplique à Kimi K3, le nouveau modèle IA du labo chinois Moonshot AI, dont les poids seront publiés la semaine prochaine. Un officiel de la Maison-Blanche accuse le LLM de distillation de Fable, le modèle d’Anthropic.
Depuis le lancement de Kimi K3 le 17 juillet dernier, on sent comme un petit vent de panique au sein du gouvernement américain. Le modèle développé par Moonshot AI a plusieurs arguments à faire valoir face à la concurrence des labos états-uniens : des performances 3T « de niveau frontière », en tout cas pas si éloignées des modèles US, des prix plus doux, et surtout une ouverture attendue le 27 juillet. Les poids de Kimi K3 doivent en effet être publiés la semaine prochaine, ce qui permettra aux entreprises et aux organisations de l’installer sur leurs propres serveurs et éventuellement de le modifier.
Le côté open source couplé avec des capacités de premier plan risque de secouer très sérieusement le secteur de l’IA tout entier. Les entreprises pourraient trouver là un modèle à la fois abordable et personnalisable, bien plus souple que les concurrents GPT, Claude et consorts. La place de marché OpenRouter a d’ailleurs calculé que les modèles chinois (majoritairement à poids ouverts) représentaient 60 % de l’usage de tokens par les sociétés américaines, rapporte Bloomberg.
Cette ouverture des modèles provenant de Chine est une stratégie voulue par Pékin. Le président Xi Jinping a ainsi encouragé « l’open source, la collaboration et le partage » pour que l’IA bénéficie aux entreprises de toutes les industries durant la World Artificial Intelligence Conference de Shanghai la semaine dernière.
Washington cherche la faille
C’est un caillou dans la chaussure de l’IA américaine, où les modèles fermés et propriétaires sont la norme. Ils permettent aux labos d’avoir la haute main sur la tarification des tokens, ils peuvent aussi couper le robinet de leurs modèles à tout moment pour n’importe quelle raison – comme on l’a vu le mois dernier avec Fable 5. Le gouvernement américain veut désormais avoir un œil sur les nouveaux modèles de frontière avant leur mise à disposition.
Les modèles à poids ouverts ont ceci de particulier qu’une fois lâchés dans la nature, il devient pratiquement impossible de refermer la boîte. Pour protéger son industrie IA, la Maison-Blanche envisage donc plusieurs tactiques, mais une semble se détacher du lot.
Michael Kratsios, directeur du Bureau de la politique scientifique et technologique de l’administration, affirme sur les réseaux sociaux : « Nous disposons d’informations selon lesquelles Moonshot AI a distillé Fable, le modèle d’Anthropic, pour développer son modèle K3 ». Le haut responsable explique que la startup chinoise a développé une « plateforme interne sophistiquée » pour mener des opérations de distillation à grande échelle.
De la sorte, Moonshot aurait ainsi pu « passer rapidement d’une méthode d’accès à une autre afin d’éviter d’être détectée ». L’entreprise aurait également eu accès à des serveurs équipés de puces GB300 de NVIDIA en Thaïlande, « probablement pour entraîner ses modèles d’IA ». Kratsios n’a rien contre la « distillation légitime », mais « les opérations clandestines de distillation industrielle menées à grande échelle dans le but de voler des technologies américaines propriétaires et de saper la recherche américaine sont inacceptables. »
Tout le monde ne partage pas l’inquiétude de Washington
Anthropic a par le passé déjà accusé Moonshot de distillation sauvage. De son côté, OpenAI se fait beaucoup plus prudente. Dean Ball, responsable de la prospective stratégique au sein du labo, pense ainsi que les performances de Kimi K3 ne peuvent pas être expliquées par une distillation.
Greg Brockman, cofondateur et président d’OpenAI, estime qu’il est encore trop tôt pour déterminer si Moonshot a extrait des résultats des modèles de son entreprise pour améliorer Kimi K3. Mais « c’est quelque chose que nous surveillons en permanence », a-t-il ajouté à Bloomberg, en tressant des lauriers au modèle concurrent, « plutôt bon ».
Les modèles chinois sont mêmes jugés « excellents » par Jensen Huang, le directeur général de NVIDIA. « Les modèles open source qui sont excellents devraient être utilisés », a-t-il ajouté auprès d’Axios. « Il n’existe aucun scénario où la Chine pourrait évincer les entreprises américaines, c’est tout simplement impossible », assène-t-il. Les labos IA américains n’ont donc pas à craindre les modèles à poids ouverts, selon lui, car ils élargissent le marché en permettant à davantage de personnes de découvrir l’IA.
De nombreux utilisateurs continueront de payer pour la simplicité, la fiabilité et les « performances supérieures » des modèles fermés, poursuit le dirigeant. Il prêche évidemment pour sa paroisse : « Une IA gratuite devrait être une excellente nouvelle pour le matériel informatique, une excellente nouvelle pour les puces, une excellente nouvelle pour les centres de données ». Toutes choses fournies par NVIDIA, bien sûr.
AMD s’engage à investir jusqu’à 5 milliards de dollars pour soutenir le développement d’Anthropic. En échange, l’éditeur des modèles Claude promet de déployer l’équivalent de 2 GW de puces AMD au sein de ses infrastructures de calcul. Un nouvel accord croisé comme le secteur de l’IA générative les aime tant.
AMD et Anthropic viennent de donner un peu de grain à moudre aux détracteurs de la frénésie d’investissements croisés qui accompagne l’avènement de l’IA générative. Les deux entreprises viennent en effet d’annoncer un accord basé sur un principe de réciprocité. Anthropic s’engage à acheter des quantités massives de puces haut de gamme fournies par AMD, tandis qu’AMD promet en échange d’investir jusqu’à 5 milliards de dollars pour soutenir la stratégie de développement de son client.
Helios, les nouveaux racks dédiés à l’IA d’AMD
Ce nouveau partenariat accompagne la livraison, par AMD, de ses premiers racks dédiés à l’IA sous la marque Helios, annoncés en octobre dernier et mis en avant lors du dernier CES. À l’instar de ce que propose NVIDIA avec sa plateforme Vera Rubin, Helios prend la forme d’un système complet, avec un ensemble de GPU de la gamme Instinct MI450, des processeurs AMD EPYC de classe Venice et une couche réseau maison dédiée aux interconnexions, AMD Pensando. Le tout fonctionne à l’aide de ROCm, la pile logicielle open source qu’AMD dédie à l’IA et au supercalcul, conçue comme une alternative à CUDA.
Anthropic, qui exploite déjà des GPU Instinct MI355X sur une partie de son infrastructure, devrait dans ce contexte commander l’équivalent de 2 GW de systèmes Helios. Le nombre de machines correspondant n’est pas précisé, mais les deux partenaires évoquent le premier semestre 2027 comme horizon de déploiement pour le premier GW.
Les deux entreprises profitent de l’occasion pour formaliser un accord de collaboration selon lequel les modèles Claude seront mis à profit pour accélérer le développement des logiciels AMD. « Plus précisément, les équipes utiliseront Claude pour optimiser les charges de travail destinées aux GPU AMD Instinct et accélérer le développement logiciel ROCm. AMD déploiera également Claude à grande échelle au sein de ses équipes d’ingénierie et de développement de produits », indique la firme de Sunnyvale.
Notons qu’on retrouve quasi systématiquement des engagements de collaboration étendue dans ce genre d’accord, et que ces derniers ne s’accompagnent que rarement d’une exclusivité.
AMD avance en revanche une autre contrepartie : une promesse d’investissement « jusqu’à 5 milliards de dollars » dans Anthropic « à l’avenir ». L’enveloppe est délimitée, mais le calendrier n’est pas précisé, et la mention « jusqu’à » laisse supposer un accord par paliers, possiblement indexé sur la quantité réelle de systèmes commandés et déployés par Anthropic.
OpenAI n’est pas en reste, avec notamment une succession de promesses croisées impliquant NVIDIA pour la fourniture de puces, mais aussi Oracle pour la construction et la mise à disposition de datacenters, avec une valse de contrats réciproques et surtout basés sur des engagements futurs qui alimentent les craintes d’une bulle de l’IA.
Un doublé pour AMD
AMD signe un doublé grâce à ce nouvel accord : l’entreprise avait déjà annoncé lundi 20 juillet un contrat de grande envergure avec Microsoft, portant là aussi sur des systèmes Helios et à destination des services d’inférence proposés sur Azure, avec une livraison programmée au deuxième semestre 2026. Le montant et le périmètre du contrat n’ont pas été communiqués.
Microsoft indique toutefois de son côté qu’une partie de ces équipements motorisera la nouvelle offre de machines virtuelles dédiées à l’entraînement d’IA proposée par Azure. Baptisées HDv2, ces VM pourront mobiliser jusqu’à 500 cœurs physiques de CPU AMD Epyc, 4 To de mémoire vive et 32 To de stockage NVMe. Azure déclinera également les solutions physiques d’AMD sur deux autres types de VM destinées respectivement au design électronique et à l’inférence à grande échelle.
Microsoft va commercialiser via Azure des VM dédiées au supercalcul et à l’IA – crédit Microsoft
AMD s’engage à investir jusqu’à 5 milliards de dollars pour soutenir le développement d’Anthropic. En échange, l’éditeur des modèles Claude promet de déployer l’équivalent de 2 GW de puces AMD au sein de ses infrastructures de calcul. Un nouvel accord croisé comme le secteur de l’IA générative les aime tant.
AMD et Anthropic viennent de donner un peu de grain à moudre aux détracteurs de la frénésie d’investissements croisés qui accompagne l’avènement de l’IA générative. Les deux entreprises viennent en effet d’annoncer un accord basé sur un principe de réciprocité. Anthropic s’engage à acheter des quantités massives de puces haut de gamme fournies par AMD, tandis qu’AMD promet en échange d’investir jusqu’à 5 milliards de dollars pour soutenir la stratégie de développement de son client.
Helios, les nouveaux racks dédiés à l’IA d’AMD
Ce nouveau partenariat accompagne la livraison, par AMD, de ses premiers racks dédiés à l’IA sous la marque Helios, annoncés en octobre dernier et mis en avant lors du dernier CES. À l’instar de ce que propose NVIDIA avec sa plateforme Vera Rubin, Helios prend la forme d’un système complet, avec un ensemble de GPU de la gamme Instinct MI450, des processeurs AMD EPYC de classe Venice et une couche réseau maison dédiée aux interconnexions, AMD Pensando. Le tout fonctionne à l’aide de ROCm, la pile logicielle open source qu’AMD dédie à l’IA et au supercalcul, conçue comme une alternative à CUDA.
Anthropic, qui exploite déjà des GPU Instinct MI355X sur une partie de son infrastructure, devrait dans ce contexte commander l’équivalent de 2 GW de systèmes Helios. Le nombre de machines correspondant n’est pas précisé, mais les deux partenaires évoquent le premier semestre 2027 comme horizon de déploiement pour le premier GW.
Les deux entreprises profitent de l’occasion pour formaliser un accord de collaboration selon lequel les modèles Claude seront mis à profit pour accélérer le développement des logiciels AMD. « Plus précisément, les équipes utiliseront Claude pour optimiser les charges de travail destinées aux GPU AMD Instinct et accélérer le développement logiciel ROCm. AMD déploiera également Claude à grande échelle au sein de ses équipes d’ingénierie et de développement de produits », indique la firme de Sunnyvale.
Notons qu’on retrouve quasi systématiquement des engagements de collaboration étendue dans ce genre d’accord, et que ces derniers ne s’accompagnent que rarement d’une exclusivité.
AMD avance en revanche une autre contrepartie : une promesse d’investissement « jusqu’à 5 milliards de dollars » dans Anthropic « à l’avenir ». L’enveloppe est délimitée, mais le calendrier n’est pas précisé, et la mention « jusqu’à » laisse supposer un accord par paliers, possiblement indexé sur la quantité réelle de systèmes commandés et déployés par Anthropic.
OpenAI n’est pas en reste, avec notamment une succession de promesses croisées impliquant NVIDIA pour la fourniture de puces, mais aussi Oracle pour la construction et la mise à disposition de datacenters, avec une valse de contrats réciproques et surtout basés sur des engagements futurs qui alimentent les craintes d’une bulle de l’IA.
Un doublé pour AMD
AMD signe un doublé grâce à ce nouvel accord : l’entreprise avait déjà annoncé lundi 20 juillet un contrat de grande envergure avec Microsoft, portant là aussi sur des systèmes Helios et à destination des services d’inférence proposés sur Azure, avec une livraison programmée au deuxième semestre 2026. Le montant et le périmètre du contrat n’ont pas été communiqués.
Microsoft indique toutefois de son côté qu’une partie de ces équipements motorisera la nouvelle offre de machines virtuelles dédiées à l’entraînement d’IA proposée par Azure. Baptisées HDv2, ces VM pourront mobiliser jusqu’à 500 cœurs physiques de CPU AMD Epyc, 4 To de mémoire vive et 32 To de stockage NVMe. Azure déclinera également les solutions physiques d’AMD sur deux autres types de VM destinées respectivement au design électronique et à l’inférence à grande échelle.
Microsoft va commercialiser via Azure des VM dédiées au supercalcul et à l’IA – crédit Microsoft
Google ne veut pas se laisser distancer par Anthropic et OpenAI sur le terrain des modèles IA spécialisés dans la cybersécurité. Avec Gemini 3.5 Flash Cyber, le géant du web se jette à son tour dans la chasse aux failles de sécurité – un modèle sous contrôle, comme chez les rivaux.
Google a levé le voile sur de nouveaux modèles IA pour tenter de se repositionner dans la course à toute allure que se mènent les labos IA. Dans le couloir de la cybersécurité, où Mythos 5 et GPT-5.5-Cyber font la course en tête, Google vient de lancer Gemini 3.5 Flash Cyber, conçu pour détecter, vérifier et corriger des failles de sécurité dans le code logiciel.
À l’image du projet Glasswing d’Anthropic et du programme Trusted Access for Cyber chez OpenAI, le nouveau modèle de Google est distribué de façon restreinte : seuls des gouvernements et des partenaires jugés fiables y auront accès. Une prudence qui s’explique par la nature même du modèle, capable d’épauler les défenseurs, mais aussi d’armer les attaquants.
Image : Google
Gemini 3.5 Flash Cyber sera intégré à CodeMender, un agent de sécurité qui fait travailler plusieurs instances du modèle avant de produire un rapport commun. En termes de capacités, les performances de ce modèle seraient proches de ses rivaux, selon le bench CyberGym (même si GPT-5.5-Cyber fait légèrement mieux).
Des modèles à tout faire
Pour le grand public et les développeurs, Google propose deux autres modèles. Gemini 3.6 Flash est le « passe-partout » du lot, il remplace (et selon les benchmarks, surclasse) Gemini 3.5 Flash pour les tâches courantes : programmation, analyse de documents, recherche d’informations, génération de rapports et utilisation d’interfaces. L’index Artificial Analysis indique une consommation de jetons 17 % inférieure en moyenne par rapport à son prédécesseur pour arriver au même résultat. Il aurait besoin de moins d’étapes de raisonnement et ferait appel moins souvent à des outils externes.
En termes de coût, Gemini 3.6 Flash revient à 1,5 dollar par million de jetons en entrée, et 7,5 dollars en sortie. Artificial Analysis indique qu’en moyenne sur une tâche, le modèle revient moitié moins cher que GPT-5.6 Sol (max) et Kimi K3. En revanche, il est plus onéreux que les tout récents Grok 4.5 (high) de SpaceXAI et Muse Spark 1.1 (xhigh) de Meta, deux modèles qui se battent sur le terrain du rapport qualité/prix.
Image : Artificial Analysis
Google insiste sur le fait que son modèle peut réaliser une tâche complète en réalisant moins d’actions intermédiaires et en consommant moins de tokens. L’argument peut porter dans les entreprises où on commence à se rendre compte qu’utiliser de l’IA générative à gogo coûte de plus en plus cher.
Gemini 3.5 Flash Lite vise ailleurs : ce nouveau modèle est censé accomplir des tâches simples exécutées en très grand nombre. Google cite notamment la recherche automatisée, le traitement de documents ou les systèmes constitués de petits agents. C’est le modèle le moins cher du lot : 0,30 dollar en entrée, 2,50 dollars en sortie.
Sur certains tests, 3.5 Flash Lite se montrerait plus puissant que Gemini 3 Flash, assure le moteur de recherche. Doté de plusieurs niveaux de réflexion, le modèle produirait jusqu’à 350 jetons par seconde, ce qui ne renseigne pas sur le temps que prend une requête complète.
Google donne pour finir quelques nouvelles de Gemini 3.5 Pro, qui n’est toujours pas lancé publiquement mais le modèle est testé par des partenaires de l’entreprise. Il devrait devenir, en toute logique, le modèle haut de gamme. Gemini 4 est de son côté toujours en train de suer à l’entraînement.
Google ne veut pas se laisser distancer par Anthropic et OpenAI sur le terrain des modèles IA spécialisés dans la cybersécurité. Avec Gemini 3.5 Flash Cyber, le géant du web se jette à son tour dans la chasse aux failles de sécurité – un modèle sous contrôle, comme chez les rivaux.
Google a levé le voile sur de nouveaux modèles IA pour tenter de se repositionner dans la course à toute allure que se mènent les labos IA. Dans le couloir de la cybersécurité, où Mythos 5 et GPT-5.5-Cyber font la course en tête, Google vient de lancer Gemini 3.5 Flash Cyber, conçu pour détecter, vérifier et corriger des failles de sécurité dans le code logiciel.
À l’image du projet Glasswing d’Anthropic et du programme Trusted Access for Cyber chez OpenAI, le nouveau modèle de Google est distribué de façon restreinte : seuls des gouvernements et des partenaires jugés fiables y auront accès. Une prudence qui s’explique par la nature même du modèle, capable d’épauler les défenseurs, mais aussi d’armer les attaquants.
Image : Google
Gemini 3.5 Flash Cyber sera intégré à CodeMender, un agent de sécurité qui fait travailler plusieurs instances du modèle avant de produire un rapport commun. En termes de capacités, les performances de ce modèle seraient proches de ses rivaux, selon le bench CyberGym (même si GPT-5.5-Cyber fait légèrement mieux).
Des modèles à tout faire
Pour le grand public et les développeurs, Google propose deux autres modèles. Gemini 3.6 Flash est le « passe-partout » du lot, il remplace (et selon les benchmarks, surclasse) Gemini 3.5 Flash pour les tâches courantes : programmation, analyse de documents, recherche d’informations, génération de rapports et utilisation d’interfaces. L’index Artificial Analysis indique une consommation de jetons 17 % inférieure en moyenne par rapport à son prédécesseur pour arriver au même résultat. Il aurait besoin de moins d’étapes de raisonnement et ferait appel moins souvent à des outils externes.
En termes de coût, Gemini 3.6 Flash revient à 1,5 dollar par million de jetons en entrée, et 7,5 dollars en sortie. Artificial Analysis indique qu’en moyenne sur une tâche, le modèle revient moitié moins cher que GPT-5.6 Sol (max) et Kimi K3. En revanche, il est plus onéreux que les tout récents Grok 4.5 (high) de SpaceXAI et Muse Spark 1.1 (xhigh) de Meta, deux modèles qui se battent sur le terrain du rapport qualité/prix.
Image : Artificial Analysis
Google insiste sur le fait que son modèle peut réaliser une tâche complète en réalisant moins d’actions intermédiaires et en consommant moins de tokens. L’argument peut porter dans les entreprises où on commence à se rendre compte qu’utiliser de l’IA générative à gogo coûte de plus en plus cher.
Gemini 3.5 Flash Lite vise ailleurs : ce nouveau modèle est censé accomplir des tâches simples exécutées en très grand nombre. Google cite notamment la recherche automatisée, le traitement de documents ou les systèmes constitués de petits agents. C’est le modèle le moins cher du lot : 0,30 dollar en entrée, 2,50 dollars en sortie.
Sur certains tests, 3.5 Flash Lite se montrerait plus puissant que Gemini 3 Flash, assure le moteur de recherche. Doté de plusieurs niveaux de réflexion, le modèle produirait jusqu’à 350 jetons par seconde, ce qui ne renseigne pas sur le temps que prend une requête complète.
Google donne pour finir quelques nouvelles de Gemini 3.5 Pro, qui n’est toujours pas lancé publiquement mais le modèle est testé par des partenaires de l’entreprise. Il devrait devenir, en toute logique, le modèle haut de gamme. Gemini 4 est de son côté toujours en train de suer à l’entraînement.
Google a commencé mercredi le déploiement de la fonction « Aperçus IA », qui propose de répondre directement aux questions de l’internaute depuis la page de résultats du moteur de recherche, sans nécessairement le renvoyer vers un site source. S’y ajoute un « Mode IA », basé sur Gemini, qui déclenche une conversation plus fouillée. Google introduit dans le même temps une option permettant aux éditeurs de sites de ne pas voir apparaître leurs contenus dans ces résultats, mais ne répond pas à la problématique inhérente de perte de trafic.
C’est peu dire que Google marche sur des œufs en France, où le débat sur les droits voisins a déjà valu au moteur de recherche plusieurs contentieux avec le monde de la presse et des éditeurs de services en ligne. Après des mois d’atermoiement, le moteur de recherche vient toutefois de franchir le Rubicon en annonçant, mercredi 22 juillet, le déploiement de sa fonction Aperçus IA auprès des internautes français. Dans le monde anglophone, elle fait l’objet de tests depuis mai 2024.
Disponible sur le Web ou via les applications mobiles du moteur, Aperçus IA introduit un champ de réponse générée par IA au sommet de la page de résultats, qui vise à apporter une réponse directe au questionnement formulé par l’internaute. « Ces aperçus s’affichent seulement lorsque nos systèmes déterminent qu’une réponse optimisée par l’IA est utile pour répondre à votre requête », précise Google.
Une conversation directement dans le moteur de recherche
Autrement dit, une recherche simple devrait toujours retourner une liste de liens (souvent déjà agrémentée d’un résumé automatisé), mais les requêtes plus complexes peuvent dès à présent occasionner une réponse sous forme d’Aperçu IA, similaire sur la forme aux résultats que produisent les LLM courants.
La liste de liens historique cède la place à un comportement hérité de celui des chatbots – crédit Google
À ce premier niveau de réponse, Google en ajoute un second : la possibilité d’initier une conversation avec le « mode IA », qui revient donc à une intégration directe de ses modèles Gemini dans la page de résultats. Comme dans un chatbot, on peut interagir via du texte ou à la voix, mais aussi soumettre des images ou des documents pour étayer sa requête.
« Grâce aux capacités de raisonnement avancées et à la compréhension multimodale approfondie de Gemini 3.5, le Mode IA traite vos questions les plus spécifiques ou nuancées, qui auraient auparavant nécessité plusieurs recherches successives. En moyenne, une recherche dans le Mode IA est trois fois plus longue qu’une recherche traditionnelle », décrit Google.
Outre la promesse du service rendu à l’internaute, on comprend bien l’intérêt pour l’entreprise : conserver l’internaute sur la page de résultats sans le renvoyer vers des sites tiers, c’est une façon de prolonger son exposition à des publicités ou à des liens sponsorisés générateurs de chiffre d’affaires.
Des éditeurs inquiets, à juste titre ?
Instaurer la possibilité d’un échange avec un LLM directement dans la recherche peut également être perçu comme une façon de court-circuiter les applications et services dédiés (ChatGPT, Claude, LeChat et consorts), en capitalisant sur l’audience globale du numéro un mondial de la recherche en ligne. À ce sujet, Google teste d’ailleurs dans Chrome une option qui permet au mode IA de supplanter la recherche traditionnelle, et donc de lancer une conversation directement depuis la barre de navigation.
Dans sa présentation destinée à la France, Google prend soin à plusieurs reprises de souligner que les résultats de recherche, à comprendre comme des liens vers des sites externes, restent visibles :
« Le Mode IA utilise notre technologie de query-fan-out qui découpe votre question en plusieurs sous-thèmes et lance simultanément une multitude de recherches. Cela permet de pousser l’exploration du Web bien plus loin qu’une recherche Google classique, aidant à découvrir encore plus de contenus pertinents et de sites Web passionnants, grâce à des liens bien visibles pour poursuivre votre lecture. »
Ces précautions oratoires ne sont pas anodines : les éditeurs de sites Web en général, et l’univers de la presse en ligne en particulier, craignent que les Aperçus IA aient un impact préjudiciable sur le trafic que leur renvoie le moteur de recherche. Le sujet a d’ailleurs déjà motivé le dépôt d’une plainte pour abus de position dominante par un collectif d’éditeurs indépendants britanniques en juillet 2025, ainsi qu’une autre procédure initiée par l’éditeur de Rolling Stone et Variety aux États-Unis.
Ces réticences n’ont pour l’instant pas empêché Google de déployer et d’enrichir ces fonctionnalités IA… sauf en France, où la fonction Aperçus IA arrive donc très tardivement, en grande partie à cause des obligations dont doit s’acquitter le moteur de recherche au regard des droits voisins (une rémunération versée par Google aux publications de presse en échange de l’utilisation faite des contenus de ces dernières au sein de ses propres services).
La France et ses droits voisins
De précédents manquements lui ont valu une sanction de 250 millions d’euros prononcée par l’Autorité de la concurrence en 2024, et c’est l’accord conclu avec cette dernière qui aurait constitué la principale pierre d’achoppement.
« Le groupe était bloqué car il s’était engagé devant l’Autorité de la concurrence à ce que l’existence des négociations sur les droits voisins n’affecte pas l’indexation, le classement ou la présentation des contenus pendant la durée des négociations », indiquait fin juin le Figaro. Pour lever l’incertitude associée, Google prévoirait d’intégrer les Aperçus IA aux accords déjà passés avec les publications de presse, ce qui se traduirait donc par un surcroît de rémunération pour ces dernières. Aucun accord collectif n’a toutefois été annoncé par les éditeurs concernés, ce qui laisse supposer des négociations toujours en cours.
En attendant, Google propose aux éditeurs qui le souhaitent une option accessible via la Search Console (l’outil qui sert à mesurer et optimiser la visibilité d’un site dans les résultats de recherche ou dans l’algorithme de recommandation Discover) permettant de refuser que leurs contenus nourrissent les Aperçus IA. Le moteur promet que cet opt-out n’aura pas d’impact sur leur visibilité dans les résultats de recherche standard, mais qu’adviendra-t-il si les Aperçus IA s’imposent dans les usages même pour les recherches courantes ? Une étude du Pew Internet Center établissait en juillet 2025 que les Aperçus IA réduisaient de moitié le taux de clic enregistré vers les sites source au sein d’une page de résultats, alors même qu’ils sont eux aussi sujets aux erreurs et hallucinations.
Google a commencé mercredi le déploiement de la fonction « Aperçus IA », qui propose de répondre directement aux questions de l’internaute depuis la page de résultats du moteur de recherche, sans nécessairement le renvoyer vers un site source. S’y ajoute un « Mode IA », basé sur Gemini, qui déclenche une conversation plus fouillée. Google introduit dans le même temps une option permettant aux éditeurs de sites de ne pas voir apparaître leurs contenus dans ces résultats, mais ne répond pas à la problématique inhérente de perte de trafic.
C’est peu dire que Google marche sur des œufs en France, où le débat sur les droits voisins a déjà valu au moteur de recherche plusieurs contentieux avec le monde de la presse et des éditeurs de services en ligne. Après des mois d’atermoiement, le moteur de recherche vient toutefois de franchir le Rubicon en annonçant, mercredi 22 juillet, le déploiement de sa fonction Aperçus IA auprès des internautes français. Dans le monde anglophone, elle fait l’objet de tests depuis mai 2024.
Disponible sur le Web ou via les applications mobiles du moteur, Aperçus IA introduit un champ de réponse générée par IA au sommet de la page de résultats, qui vise à apporter une réponse directe au questionnement formulé par l’internaute. « Ces aperçus s’affichent seulement lorsque nos systèmes déterminent qu’une réponse optimisée par l’IA est utile pour répondre à votre requête », précise Google.
Une conversation directement dans le moteur de recherche
Autrement dit, une recherche simple devrait toujours retourner une liste de liens (souvent déjà agrémentée d’un résumé automatisé), mais les requêtes plus complexes peuvent dès à présent occasionner une réponse sous forme d’Aperçu IA, similaire sur la forme aux résultats que produisent les LLM courants.
La liste de liens historique cède la place à un comportement hérité de celui des chatbots – crédit Google
À ce premier niveau de réponse, Google en ajoute un second : la possibilité d’initier une conversation avec le « mode IA », qui revient donc à une intégration directe de ses modèles Gemini dans la page de résultats. Comme dans un chatbot, on peut interagir via du texte ou à la voix, mais aussi soumettre des images ou des documents pour étayer sa requête.
« Grâce aux capacités de raisonnement avancées et à la compréhension multimodale approfondie de Gemini 3.5, le Mode IA traite vos questions les plus spécifiques ou nuancées, qui auraient auparavant nécessité plusieurs recherches successives. En moyenne, une recherche dans le Mode IA est trois fois plus longue qu’une recherche traditionnelle », décrit Google.
Outre la promesse du service rendu à l’internaute, on comprend bien l’intérêt pour l’entreprise : conserver l’internaute sur la page de résultats sans le renvoyer vers des sites tiers, c’est une façon de prolonger son exposition à des publicités ou à des liens sponsorisés générateurs de chiffre d’affaires.
Des éditeurs inquiets, à juste titre ?
Instaurer la possibilité d’un échange avec un LLM directement dans la recherche peut également être perçu comme une façon de court-circuiter les applications et services dédiés (ChatGPT, Claude, LeChat et consorts), en capitalisant sur l’audience globale du numéro un mondial de la recherche en ligne. À ce sujet, Google teste d’ailleurs dans Chrome une option qui permet au mode IA de supplanter la recherche traditionnelle, et donc de lancer une conversation directement depuis la barre de navigation.
Dans sa présentation destinée à la France, Google prend soin à plusieurs reprises de souligner que les résultats de recherche, à comprendre comme des liens vers des sites externes, restent visibles :
« Le Mode IA utilise notre technologie de query-fan-out qui découpe votre question en plusieurs sous-thèmes et lance simultanément une multitude de recherches. Cela permet de pousser l’exploration du Web bien plus loin qu’une recherche Google classique, aidant à découvrir encore plus de contenus pertinents et de sites Web passionnants, grâce à des liens bien visibles pour poursuivre votre lecture. »
Ces précautions oratoires ne sont pas anodines : les éditeurs de sites Web en général, et l’univers de la presse en ligne en particulier, craignent que les Aperçus IA aient un impact préjudiciable sur le trafic que leur renvoie le moteur de recherche. Le sujet a d’ailleurs déjà motivé le dépôt d’une plainte pour abus de position dominante par un collectif d’éditeurs indépendants britanniques en juillet 2025, ainsi qu’une autre procédure initiée par l’éditeur de Rolling Stone et Variety aux États-Unis.
Ces réticences n’ont pour l’instant pas empêché Google de déployer et d’enrichir ces fonctionnalités IA… sauf en France, où la fonction Aperçus IA arrive donc très tardivement, en grande partie à cause des obligations dont doit s’acquitter le moteur de recherche au regard des droits voisins (une rémunération versée par Google aux publications de presse en échange de l’utilisation faite des contenus de ces dernières au sein de ses propres services).
La France et ses droits voisins
De précédents manquements lui ont valu une sanction de 250 millions d’euros prononcée par l’Autorité de la concurrence en 2024, et c’est l’accord conclu avec cette dernière qui aurait constitué la principale pierre d’achoppement.
« Le groupe était bloqué car il s’était engagé devant l’Autorité de la concurrence à ce que l’existence des négociations sur les droits voisins n’affecte pas l’indexation, le classement ou la présentation des contenus pendant la durée des négociations », indiquait fin juin le Figaro. Pour lever l’incertitude associée, Google prévoirait d’intégrer les Aperçus IA aux accords déjà passés avec les publications de presse, ce qui se traduirait donc par un surcroît de rémunération pour ces dernières. Aucun accord collectif n’a toutefois été annoncé par les éditeurs concernés, ce qui laisse supposer des négociations toujours en cours.
En attendant, Google propose aux éditeurs qui le souhaitent une option accessible via la Search Console (l’outil qui sert à mesurer et optimiser la visibilité d’un site dans les résultats de recherche ou dans l’algorithme de recommandation Discover) permettant de refuser que leurs contenus nourrissent les Aperçus IA. Le moteur promet que cet opt-out n’aura pas d’impact sur leur visibilité dans les résultats de recherche standard, mais qu’adviendra-t-il si les Aperçus IA s’imposent dans les usages même pour les recherches courantes ? Une étude du Pew Internet Center établissait en juillet 2025 que les Aperçus IA réduisaient de moitié le taux de clic enregistré vers les sites source au sein d’une page de résultats, alors même qu’ils sont eux aussi sujets aux erreurs et hallucinations.
Hugging Face a communiqué récemment sur une attaque menée par un agent autonome contre ses infrastructures, occasionnant une compromission partielle. Patatras ! OpenAI vient de révéler qu’il s’agissait de l’un de ses modèles et qu’il s’était « échappé » de la sandbox où il était censé être confiné.
Le 16 juillet, Hugging Face a publié un billet de sécurité décrivant une intrusion dans une partie de son infrastructure de production. L’entreprise a affirmé qu’il s’agissait d’un système d’agent IA autonome, détecté et disséqué en grande partie grâce à sa propre architecture par la suite. Hugging Face dit avoir tiré quelques leçons importantes de l’aventure, mais précisait ne pas avoir trouvé quel modèle avait été utilisé.
Et voilà qu’OpenAI a fourni la réponse ce 21 juillet : les modèles étaient les siens. Détournés par des pirates pour les militariser ? Que nenni, les agents ont fait leur vie et ont manifestement échappé au contrôle de leurs gardiens. Le problème de cybersécurité, réel et concret, est devenu un argument marketing.
Les évènements qui ont mené à l’attaque
Dans son propre billet, OpenAI donne des informations sur ce qui s’est passé, en plus de préciser les modèles utilisés dans l’attaque contre Hugging Face : le récent GPT 5.6 Sol ainsi que des modèles en préversion présentés comme encore « plus capables », configurés volontairement avec des barrières plus faibles autour des capacités cyber.
Les modèles étaient soumis à un benchmark interne nommé ExploitGym, conçu pour évaluer les capacités d’exploitation avancée sur des chemins d’attaque complexes, en désactivant les classifieurs de production qui bloquent normalement les activités cyber à haut risque.
L’environnement de test était censé être isolé, avec un accès réseau limité à un proxy interne servant de cache pour les paquets nécessaires. Cependant, les modèles ont consacré une quantité « substantielle » de calcul d’inférence à trouver un moyen d’obtenir un accès Internet ouvert, en exploitant une vulnérabilité 0-day dans ce proxy de cache. Cette faille a été communiquée au fournisseur concerné, précise OpenAI.
En clair, les modèles ont dépensé de la puissance de calcul pour s’échapper de leur bac à sable (sandbox). Une fois à l’air libre, les choses ont pris une autre tournure. Le système IA d’OpenAI, qui cherchait à résoudre les benchmarks qui lui étaient imposés, a « estimé » que les datasets (jeux de données) et solutions à ExploitGym devaient se trouver sur Hugging Face. Les modèles ont donc cherché tous les moyens d’obtenir les informations jugées nécessaires, jusqu’à voler des identifiants et identifier plusieurs nouvelles failles 0-day.
Autrement dit, l’attaque déclenchée contre Hugging Face n’était pas malveillante dans le sens classique du terme. Le système IA a simplement considéré que l’entreprise devait avoir la solution au problème qui lui était imposé et a donc cherché à tricher, Hugging Face se trouvant simplement sur le chemin.
Évidemment, vu depuis l’autre entreprise, l’incident n’avait rien de fascinant. L’intrusion s’est faite depuis un dataset malveillant provoquant une exécution de code dans un pipeline dédié. Rappelons que Hugging Face a d’abord essayé d’analyser la situation en passant par les API commerciales des grandes entreprises de l’IA, ce qui n’a pas fonctionné : ces API ne faisaient pas la différence entre des demandes liées à une attaque et d’autres liées à une analyse d’évènement cyber.
Hugging Face avait fini par installer le modèle chinois GLM 5.2 (poids ouverts) sur sa propre infrastructure pour mener ses analyses, sans dépendre de qui que ce soit. Une certaine ironie dans la situation que l’entreprise a nommée « l’asymétrie du garde-fou ».
Ce type d’incident se reproduira
Le risque d’un nouvel incident n’est plus théorique, les deux entreprises étant explicites sur le sujet. Hugging Face conclut que l’outillage offensif autonome piloté par IA n’est plus hypothétique, qu’il abaisse le coût de campagnes vastes, patientes et multi-étapes, et opère à vitesse machine.
OpenAI, de son côté, s’appuie sur des évaluations de l’UK AI Security Institute montrant que des modèles comme GPT 5.6 Sol sont de plus en plus capables de soutenir des opérations cyber complexes et multi-étapes sur de longues périodes. Pour l’éditeur, cet incident confirme que ces capacités théoriques s’appliquent en conditions réelles.
La récidive est d’autant plus possible que la sécurité générale dépend toujours de son maillon le plus faible. Or, il semble qu’OpenAI n’ait pas bien configuré son environnement de test : comment un laboratoire de pointe peut-il lancer des tests sur des capacités offensives sans confinement robuste ni surveillance suffisante ?
En outre, l’asymétrie décrite par Hugging Face sera toujours là. On retrouvera ainsi les modèles « débridés » en attaque, qu’ils soient utilisés à des fins de test ou par de vrais acteurs malveillants, tandis que la défense devra se contenter des modèles commerciaux, dont les capacités cyber sont volontairement tronquées.
D’ailleurs, l’évènement n’est pas isolé. OpenAI indique que le même jour, un modèle en préversion a été mis en pause après s’être échappé là encore de sa zone de confinement pour aller poster sur GitHub.
De l’incident cyber à l’opportunité marketing
OpenAI tire un bénéfice commercial direct et immédiat de l’histoire. Son billet se termine en invitant explicitement d’autres organisations à rejoindre le programme « Trusted Access » et à expérimenter ces modèles pour améliorer prévention, détection et réponse aux incidents. Sans surprise, Hugging Face a été intégré à ce même programme dans la foulée.
Le narratif est en outre bien connu, avec des modèles si « puissants » qu’ils en arrivent à pirater une entreprise tierce par accident. Une aura de danger qu’OpenAI a déjà exploitée et dont Anthropic s’est fait l’experte, un puissant « marketing de la peur » faisant la célébrité de son programme Glasswing et du modèle Mythos.
Nous faisons également remarquer qu’il s’est écoulé cinq jours entre la publication de Hugging Face et celle d’OpenAI, laissant le temps de transformer une histoire potentiellement compromettante en argumentaire produit, d’autant que les forces de l’ordre ont été averties (on ne sait pas encore si OpenAI sera inquiétée).
Cependant, même si la communication bat son plein pour changer un problème en opportunité, les évènements décrits semblent bel et bien réels. Une faille 0-day a été trouvée dans un produit utilisé pour le confinement de l’environnement de test, une exécution de code a été déclenchée chez un partenaire, du temps et de l’argent ont été investis pour détecter, analyser, réparer et avertir.
En revanche, aucune des deux entreprises ne s’est exprimée sur la période de cinq jours entre les deux billets. À moins d’une campagne de communication savamment orchestrée, il est probable que Hugging Face n’ait pas su d’où venait l’attaque et qu’OpenAI ne l’en ait avertie qu’après le billet du 16 juillet. Au vu des annonces d’OpenAI – surtout l’intégration de Hugging Face dans Trusted Access –, les cinq jours semblent avoir servi à accorder les violons et à s’entendre sur la suite des évènements.
Enfin, OpenAI assure qu’elle fera tout pour que ce type d’incident ne se reproduise pas. « Cet incident souligne la nécessité de renforcer davantage l’alignement de notre modèle, les protections cyber pendant l’évaluation, et la surveillance lors des tests internes », affirme l’entreprise. Un argument que Micah Carroll, chercheur chez OpenAI, reprend sur X : « Si cela ne vous convainc pas que les risques de mésalignement vont devenir une préoccupation clé à l’avenir, je ne sais pas ce qui le fera ».
Hugging Face a communiqué récemment sur une attaque menée par un agent autonome contre ses infrastructures, occasionnant une compromission partielle. Patatras ! OpenAI vient de révéler qu’il s’agissait de l’un de ses modèles et qu’il s’était « échappé » de la sandbox où il était censé être confiné.
Le 16 juillet, Hugging Face a publié un billet de sécurité décrivant une intrusion dans une partie de son infrastructure de production. L’entreprise a affirmé qu’il s’agissait d’un système d’agent IA autonome, détecté et disséqué en grande partie grâce à sa propre architecture par la suite. Hugging Face dit avoir tiré quelques leçons importantes de l’aventure, mais précisait ne pas avoir trouvé quel modèle avait été utilisé.
Et voilà qu’OpenAI a fourni la réponse ce 21 juillet : les modèles étaient les siens. Détournés par des pirates pour les militariser ? Que nenni, les agents ont fait leur vie et ont manifestement échappé au contrôle de leurs gardiens. Le problème de cybersécurité, réel et concret, est devenu un argument marketing.
Les évènements qui ont mené à l’attaque
Dans son propre billet, OpenAI donne des informations sur ce qui s’est passé, en plus de préciser les modèles utilisés dans l’attaque contre Hugging Face : le récent GPT 5.6 Sol ainsi que des modèles en préversion présentés comme encore « plus capables », configurés volontairement avec des barrières plus faibles autour des capacités cyber.
Les modèles étaient soumis à un benchmark interne nommé ExploitGym, conçu pour évaluer les capacités d’exploitation avancée sur des chemins d’attaque complexes, en désactivant les classifieurs de production qui bloquent normalement les activités cyber à haut risque.
L’environnement de test était censé être isolé, avec un accès réseau limité à un proxy interne servant de cache pour les paquets nécessaires. Cependant, les modèles ont consacré une quantité « substantielle » de calcul d’inférence à trouver un moyen d’obtenir un accès Internet ouvert, en exploitant une vulnérabilité 0-day dans ce proxy de cache. Cette faille a été communiquée au fournisseur concerné, précise OpenAI.
En clair, les modèles ont dépensé de la puissance de calcul pour s’échapper de leur bac à sable (sandbox). Une fois à l’air libre, les choses ont pris une autre tournure. Le système IA d’OpenAI, qui cherchait à résoudre les benchmarks qui lui étaient imposés, a « estimé » que les datasets (jeux de données) et solutions à ExploitGym devaient se trouver sur Hugging Face. Les modèles ont donc cherché tous les moyens d’obtenir les informations jugées nécessaires, jusqu’à voler des identifiants et identifier plusieurs nouvelles failles 0-day.
Autrement dit, l’attaque déclenchée contre Hugging Face n’était pas malveillante dans le sens classique du terme. Le système IA a simplement considéré que l’entreprise devait avoir la solution au problème qui lui était imposé et a donc cherché à tricher, Hugging Face se trouvant simplement sur le chemin.
Évidemment, vu depuis l’autre entreprise, l’incident n’avait rien de fascinant. L’intrusion s’est faite depuis un dataset malveillant provoquant une exécution de code dans un pipeline dédié. Rappelons que Hugging Face a d’abord essayé d’analyser la situation en passant par les API commerciales des grandes entreprises de l’IA, ce qui n’a pas fonctionné : ces API ne faisaient pas la différence entre des demandes liées à une attaque et d’autres liées à une analyse d’évènement cyber.
Hugging Face avait fini par installer le modèle chinois GLM 5.2 (poids ouverts) sur sa propre infrastructure pour mener ses analyses, sans dépendre de qui que ce soit. Une certaine ironie dans la situation que l’entreprise a nommée « l’asymétrie du garde-fou ».
Ce type d’incident se reproduira
Le risque d’un nouvel incident n’est plus théorique, les deux entreprises étant explicites sur le sujet. Hugging Face conclut que l’outillage offensif autonome piloté par IA n’est plus hypothétique, qu’il abaisse le coût de campagnes vastes, patientes et multi-étapes, et opère à vitesse machine.
OpenAI, de son côté, s’appuie sur des évaluations de l’UK AI Security Institute montrant que des modèles comme GPT 5.6 Sol sont de plus en plus capables de soutenir des opérations cyber complexes et multi-étapes sur de longues périodes. Pour l’éditeur, cet incident confirme que ces capacités théoriques s’appliquent en conditions réelles.
La récidive est d’autant plus possible que la sécurité générale dépend toujours de son maillon le plus faible. Or, il semble qu’OpenAI n’ait pas bien configuré son environnement de test : comment un laboratoire de pointe peut-il lancer des tests sur des capacités offensives sans confinement robuste ni surveillance suffisante ?
En outre, l’asymétrie décrite par Hugging Face sera toujours là. On retrouvera ainsi les modèles « débridés » en attaque, qu’ils soient utilisés à des fins de test ou par de vrais acteurs malveillants, tandis que la défense devra se contenter des modèles commerciaux, dont les capacités cyber sont volontairement tronquées.
D’ailleurs, l’évènement n’est pas isolé. OpenAI indique que le même jour, un modèle en préversion a été mis en pause après s’être échappé là encore de sa zone de confinement pour aller poster sur GitHub.
De l’incident cyber à l’opportunité marketing
OpenAI tire un bénéfice commercial direct et immédiat de l’histoire. Son billet se termine en invitant explicitement d’autres organisations à rejoindre le programme « Trusted Access » et à expérimenter ces modèles pour améliorer prévention, détection et réponse aux incidents. Sans surprise, Hugging Face a été intégré à ce même programme dans la foulée.
Le narratif est en outre bien connu, avec des modèles si « puissants » qu’ils en arrivent à pirater une entreprise tierce par accident. Une aura de danger qu’OpenAI a déjà exploitée et dont Anthropic s’est fait l’experte, un puissant « marketing de la peur » faisant la célébrité de son programme Glasswing et du modèle Mythos.
Nous faisons également remarquer qu’il s’est écoulé cinq jours entre la publication de Hugging Face et celle d’OpenAI, laissant le temps de transformer une histoire potentiellement compromettante en argumentaire produit, d’autant que les forces de l’ordre ont été averties (on ne sait pas encore si OpenAI sera inquiétée).
Cependant, même si la communication bat son plein pour changer un problème en opportunité, les évènements décrits semblent bel et bien réels. Une faille 0-day a été trouvée dans un produit utilisé pour le confinement de l’environnement de test, une exécution de code a été déclenchée chez un partenaire, du temps et de l’argent ont été investis pour détecter, analyser, réparer et avertir.
En revanche, aucune des deux entreprises ne s’est exprimée sur la période de cinq jours entre les deux billets. À moins d’une campagne de communication savamment orchestrée, il est probable que Hugging Face n’ait pas su d’où venait l’attaque et qu’OpenAI ne l’en ait avertie qu’après le billet du 16 juillet. Au vu des annonces d’OpenAI – surtout l’intégration de Hugging Face dans Trusted Access –, les cinq jours semblent avoir servi à accorder les violons et à s’entendre sur la suite des évènements.
Enfin, OpenAI assure qu’elle fera tout pour que ce type d’incident ne se reproduise pas. « Cet incident souligne la nécessité de renforcer davantage l’alignement de notre modèle, les protections cyber pendant l’évaluation, et la surveillance lors des tests internes », affirme l’entreprise. Un argument que Micah Carroll, chercheur chez OpenAI, reprend sur X : « Si cela ne vous convainc pas que les risques de mésalignement vont devenir une préoccupation clé à l’avenir, je ne sais pas ce qui le fera ».
Le secteur de l’IA retient son souffle : le 27 juillet, Moonshot AI publiera les poids complets de son modèle Kimi K3. On verra alors de visu de quel bois se chauffe ce modèle, et si les promesses du labo chinois sont tenues. À la Maison-Blanche, on prépare déjà la riposte.
Petite secousse ou tremblement de terre, on saura très bientôt ce que Kimi K3 a réellement dans le ventre le 27 juillet, lorsque Moonshot AI publiera les poids ouverts de son nouveau modèle, autrement dit son état final après son entraînement. Une fois ces poids téléchargés, ils pourront être chargés dans un logiciel compatible pour y être exécutés, sans avoir à envoyer les requêtes au labo.
La grande peur de l’IA chinoise
Actuellement, ce modèle est disponible sous la forme d’un service en ligne et d’une API. On verra par la suite si Kimi K3 est réellement open source, en fonction de la licence, des fichiers fournis et l’accès éventuel au code ; néanmoins, le code et les poids de Kimi K2 et Kimi K2.5 ont été publiés sous une licence MIT modifiée. Il pourrait en aller de même pour K3.
Avant la date fatidique, la pression monte car ce « premier modèle à atteindre 2 800 milliards de paramètres » est paré de toutes les vertus ou presque. Large fenêtre contextuelle (jusqu’à 1 million de tokens), performances « de niveau frontière », des prix qui paraissent très avantageux sur le papier, grosse hype…
La publication des poids ouverts de Kimi K3 pourrait provoquer un nouveau « moment DeepSeek » au sein de la filière IA, en particulier aux États-Unis où règnent les modèles fermés d’OpenAI et d’Anthropic. Le succès semble déjà au rendez-vous : Moonshot AI vient de fermer les nouvelles inscriptions car la demande est plus importante que prévue et les limites des GPU sont proches, selon l’entreprise. L’ajout de nouvelles capacités de calcul est en cours.
Et l’administration Trump n’a pas l’air d’apprécier l’aspect « ouvert » des modèles IA chinois, une stratégie promue par le président Xi Jinping lui-même. Selon des sources d’Axios, la Maison-Blanche envisage de relancer différentes mesures pour freiner leur adoption par les entreprises américaines – voire les interdire purement et simplement.
Le ministère américain du Commerce aurait étudié la possibilité d’inscrire plusieurs labos chinois sur l’« Entity List », une liste noire qui restreint leur accès à des technologies américaines (celle sur laquelle se trouve Huawei par exemple). Une telle décision serait aussi de nature à compliquer sérieusement l’utilisation de ces modèles à poids ouverts aux États-Unis, sauf à obtenir une autorisation spécifique.
Les modèles chinois en vogue
La NSA et le Bureau du directeur national de la cybersécurité ont de leur côté envisagé de publier un avertissement sur les risques liés aux modèles chinois. Autre piste : imposer aux entreprises américaines qui hébergent ces modèles de garantir leur sécurité et d’assumer la responsabilité d’une éventuelle faille.
Les entreprises états-uniennes utilisent de plus en plus les modèles chinois pour une raison simple : leur inférence est meilleur marché, pour des performances plus ou moins proches des modèles développés par les labos américains. En bonus, lorsqu’ils sont installés sur les serveurs de l’entreprise, les données et les requêtes restent en interne : elles ne transitent pas par les infrastructures d’un fournisseur tiers, ne servent pas à entraîner un autre modèle et ne risquent pas de donner indirectement un coup de pouce à la concurrence.
David Sacks, ancien « tsar » de l’IA (et toujours conseiller) auprès de l’administration Trump, a pris la défense des modèles ouverts. Sur X, il a ainsi écrit : « Nous sommes à un tournant critique de la politique en matière d’intelligence artificielle. Les principaux laboratoires fermés, qui forment déjà un duopole en matière de revenus générés par les modèles d’IA, veulent que le gouvernement élimine leurs concurrents open source. » Il parle bien sûr d’OpenAI et d’Anthropic.
Selon Axios, Washington n’aurait même pas besoin d’interdire formellement ces modèles venus de Chine. Il suffirait, si on peut dire, de mettre en place de nouvelles règles d’achat public, de mener des campagnes de peur (sur les éventuelles portes dérobées ou des failles de sécurité), ou tout simplement de menacer les entreprises US qui oseraient installer cette IA.
Le secteur de l’IA retient son souffle : le 27 juillet, Moonshot AI publiera les poids complets de son modèle Kimi K3. On verra alors de visu de quel bois se chauffe ce modèle, et si les promesses du labo chinois sont tenues. À la Maison-Blanche, on prépare déjà la riposte.
Petite secousse ou tremblement de terre, on saura très bientôt ce que Kimi K3 a réellement dans le ventre le 27 juillet, lorsque Moonshot AI publiera les poids ouverts de son nouveau modèle, autrement dit son état final après son entraînement. Une fois ces poids téléchargés, ils pourront être chargés dans un logiciel compatible pour y être exécutés, sans avoir à envoyer les requêtes au labo.
La grande peur de l’IA chinoise
Actuellement, ce modèle est disponible sous la forme d’un service en ligne et d’une API. On verra par la suite si Kimi K3 est réellement open source, en fonction de la licence, des fichiers fournis et l’accès éventuel au code ; néanmoins, le code et les poids de Kimi K2 et Kimi K2.5 ont été publiés sous une licence MIT modifiée. Il pourrait en aller de même pour K3.
Avant la date fatidique, la pression monte car ce « premier modèle à atteindre 2 800 milliards de paramètres » est paré de toutes les vertus ou presque. Large fenêtre contextuelle (jusqu’à 1 million de tokens), performances « de niveau frontière », des prix qui paraissent très avantageux sur le papier, grosse hype…
La publication des poids ouverts de Kimi K3 pourrait provoquer un nouveau « moment DeepSeek » au sein de la filière IA, en particulier aux États-Unis où règnent les modèles fermés d’OpenAI et d’Anthropic. Le succès semble déjà au rendez-vous : Moonshot AI vient de fermer les nouvelles inscriptions car la demande est plus importante que prévue et les limites des GPU sont proches, selon l’entreprise. L’ajout de nouvelles capacités de calcul est en cours.
Et l’administration Trump n’a pas l’air d’apprécier l’aspect « ouvert » des modèles IA chinois, une stratégie promue par le président Xi Jinping lui-même. Selon des sources d’Axios, la Maison-Blanche envisage de relancer différentes mesures pour freiner leur adoption par les entreprises américaines – voire les interdire purement et simplement.
Le ministère américain du Commerce aurait étudié la possibilité d’inscrire plusieurs labos chinois sur l’« Entity List », une liste noire qui restreint leur accès à des technologies américaines (celle sur laquelle se trouve Huawei par exemple). Une telle décision serait aussi de nature à compliquer sérieusement l’utilisation de ces modèles à poids ouverts aux États-Unis, sauf à obtenir une autorisation spécifique.
Les modèles chinois en vogue
La NSA et le Bureau du directeur national de la cybersécurité ont de leur côté envisagé de publier un avertissement sur les risques liés aux modèles chinois. Autre piste : imposer aux entreprises américaines qui hébergent ces modèles de garantir leur sécurité et d’assumer la responsabilité d’une éventuelle faille.
Les entreprises états-uniennes utilisent de plus en plus les modèles chinois pour une raison simple : leur inférence est meilleur marché, pour des performances plus ou moins proches des modèles développés par les labos américains. En bonus, lorsqu’ils sont installés sur les serveurs de l’entreprise, les données et les requêtes restent en interne : elles ne transitent pas par les infrastructures d’un fournisseur tiers, ne servent pas à entraîner un autre modèle et ne risquent pas de donner indirectement un coup de pouce à la concurrence.
David Sacks, ancien « tsar » de l’IA (et toujours conseiller) auprès de l’administration Trump, a pris la défense des modèles ouverts. Sur X, il a ainsi écrit : « Nous sommes à un tournant critique de la politique en matière d’intelligence artificielle. Les principaux laboratoires fermés, qui forment déjà un duopole en matière de revenus générés par les modèles d’IA, veulent que le gouvernement élimine leurs concurrents open source. » Il parle bien sûr d’OpenAI et d’Anthropic.
Selon Axios, Washington n’aurait même pas besoin d’interdire formellement ces modèles venus de Chine. Il suffirait, si on peut dire, de mettre en place de nouvelles règles d’achat public, de mener des campagnes de peur (sur les éventuelles portes dérobées ou des failles de sécurité), ou tout simplement de menacer les entreprises US qui oseraient installer cette IA.
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.
Source : Quadrature du Net
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.
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 ».
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 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.
Source : Quadrature du Net
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.
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 ».
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.
L’intelligence artificielle est-elle en train de vivre son deuxième « moment DeepSeek » avec l’annonce du modèle Kimi K3 par la société chinoise MoonshotAI ? 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.
« Kimi K3 a démontré des performances de niveau frontière »
Il reste 85% de l'article à découvrir. Vous devez être abonné•e pour lire la suite de cet article. Déjà abonné•e ? Générez une clé RSS dans votre profil.
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.
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.
MDASH – Source : Microsoft
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.
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.
MDASH – Source : Microsoft
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.
Connexion
