Dans la soirée de ce jeudi 3 septembre, quatre des principaux fournisseurs de services d’IA générative étaient inaccessibles.
Anthropic a d’abord signalé un problème sur Claude Sonnet 5 puis un nombre d’erreurs anormal sur Claude Mythos 5.1, Claude Fable 5.1, et Claude Opus 5. De son côté, OpenAI a relevé une hausse du nombre d’erreurs sur ChatGPT et Codex. Le statut de Grok indiquait hier soir aussi des problèmes. Et les utilisateurs de Gemini ont signalé des problèmes d’accès via le site Downdetector.
Cette panne simultanée de services d’entreprises indépendantes peut paraitre étonnante. Mais, dans la soirée (vers 21h38 heure française), SpaceXAI a publié un tweet pour s’excuser : « Nous sommes désolés pour les problèmes que vous avez pu rencontrer avec Grok à la suite d’une panne survenue ce matin dans notre centre de données de Memphis. Nous tenons également à présenter nos excuses à nos partenaires informatiques concernés ». L’entreprise d’Elon Musk ajoutait que « tous les systèmes ont désormais été rétablis et fonctionnent normalement ». « Et nous prenons des mesures correctives pour veiller à ce que cela ne se reproduise plus » a précisé sobrement Elon Musk.
Illustration : Flock
Rappelons que xAI (maintenant SpaceXAI) a ouvert en septembre 2024 au sud de Memphis un énorme datacenter nommé Colossus. L’entreprise d’Elon Musk en loue maintenant des parties à la plupart des acteurs du secteur, comme Anthropic.
Dans la soirée de ce jeudi 3 septembre, quatre des principaux fournisseurs de services d’IA générative étaient inaccessibles.
Anthropic a d’abord signalé un problème sur Claude Sonnet 5 puis un nombre d’erreurs anormal sur Claude Mythos 5.1, Claude Fable 5.1, et Claude Opus 5. De son côté, OpenAI a relevé une hausse du nombre d’erreurs sur ChatGPT et Codex. Le statut de Grok indiquait hier soir aussi des problèmes. Et les utilisateurs de Gemini ont signalé des problèmes d’accès via le site Downdetector.
Cette panne simultanée de services d’entreprises indépendantes peut paraitre étonnante. Mais, dans la soirée (vers 21h38 heure française), SpaceXAI a publié un tweet pour s’excuser : « Nous sommes désolés pour les problèmes que vous avez pu rencontrer avec Grok à la suite d’une panne survenue ce matin dans notre centre de données de Memphis. Nous tenons également à présenter nos excuses à nos partenaires informatiques concernés ». L’entreprise d’Elon Musk ajoutait que « tous les systèmes ont désormais été rétablis et fonctionnent normalement ». « Et nous prenons des mesures correctives pour veiller à ce que cela ne se reproduise plus » a précisé sobrement Elon Musk.
Illustration : Flock
Rappelons que xAI (maintenant SpaceXAI) a ouvert en septembre 2024 au sud de Memphis un énorme datacenter nommé Colossus. L’entreprise d’Elon Musk en loue maintenant des parties à la plupart des acteurs du secteur, comme Anthropic.
Avec GPT-6 Astra, OpenAI ressort le grand mot : AGI. Le nouveau modèle affiche des résultats spectaculaires sur un benchmark indépendant, mais il reste très cher, personne ou presque ne peut s’en servir, et il n’est certainement pas la preuve que l’intelligence artificielle générale est arrivée.
GPT-6 Astra fait entrer OpenAI dans l’ère de l’AGI, l’intelligence artificielle générale. C’est le message qu’a voulu faire passer Greg Brockman, le président de l’entreprise, qui a fait la tournée des popotes pour propager la bonne parole. On attendra d’en savoir plus, et surtout les tests indépendants, pour déterminer si Astra répond réellement aux critères pour le moins flous de l’AGI.
Ce modèle, aussi annoncé comme « un saut générationnel en matière de capacités », rien de moins, se limite pour le moment à la poignée d’organisations qui participent au programme Daybreak. OpenAI promet cependant que GPT-6 sera déployé « dans les prochains jours » auprès des abonnés Plus, Pro, Business et Entreprise, ainsi que via l’API et AWS.
Attention toutefois au coût, en particulier pour la tarification à l’usage avec l’API. GPT-6 Astra revient en effet au même prix que Fable 5.1 : 10 dollars par million de tokens en entrée, 50 dollars en sortie. La hausse est vertigineuse (+ 150 % en entrée comme en sortie) par rapport à GPT-5.6 Sol. Mais « j’ai l’impression que nous avons franchi un changement qualitatif », a déclaré Greg Brockman. Ça se paie.
OpenAI a tout de même souligné que grâce à sa grosse tête bien faite, Astra utilise « nettement moins de tokens au total par tâche », mais on ignore encore concrètement dans quelle mesure cette efficacité se traduira par des coûts plus bas. En tout cas, sur les benchs réalisés par OpenAI, Astra présente plutôt bien :
Le 1er septembre, OpenAI avait fait un point d’étape sur Astra et ses capacités en matière de cybersécurité. Le modèle n’est pas impliqué dans l’attaque d’Hugging Face, néanmoins l’entreprise en a profité pour intégrer les enseignements de cette fuite d’agents. « Nous estimons que les protections d’Astra réduisent suffisamment le risque de préjudices graves pour permettre sa sortie conformément à notre cadre de préparation ». Ouf.
Loin de l’AGI selon ARC-AGI-3
Un benchmark indépendant apporte un peu de nuance au message forcément marketing et flatteur de Greg Brockman. Astra est en effet passé au tamis d’ARC-AGI-3, un benchmark publié par l’ARC Prize Foundation, une organisation à but non lucratif cofondée par François Chollet, créateur de Keras, la bibliothèque open source pour créer et entraîner des réseaux de neurones, très utilisée.
ARC-AGI-3 ne dit pas qu’Astra est une AGI ; les auteurs indiquent clairement que saturer le bench ne constitue pas une preuve d’AGI. « Même si nous pensons qu’Astra représente un progrès significatif vers la généralisation, nous n’affirmons pas qu’il s’agit d’une AGI », écrivent-ils. Ceci étant dit, les résultats de GPT-6 n’en restent pas moins impressionnants : 62,7 % avec le harnais standard (le cadre de test commun et minimal utilisé pour évaluer tous les modèles de la même façon), et jusqu’à 99,9 % avec un harnais adapté aux spécificités du fournisseur.
Chaque point représente un niveau terminé par Astra en mode Max. Les points situés sous la ligne continue indiquent qu’Astra a utilisé moins d’actions que la référence humaine.
En mode Max, pour les niveaux résolus, Astra se montre bien plus efficace que les humains avec le harnais standard. Il utilise en effet moins d’actions que le médian humain dans 96 % des niveaux terminés, avec 51,7 % d’actions en moins par niveau en moyenne. Spectaculaire… tout comme le coût ! Jusqu’à 26 098 dollars pour le score standard à 62,7 %, et 18 817 dollars pour le 99,9 % avec le harnais « provider adapter ».
À titre de comparaison, les participants humains du test étaient rémunérés 115 dollars par session de 90 minutes, plus 5 dollars par jeu terminé, soit environ 12,78 dollars par jeu tenté avant bonus. La comparaison reste cependant imparfaite : côté humain, on rémunère surtout du temps de participation ; côté IA, on mesure une facture d’inférence.
La performance d’Astra demande donc à être nuancée (tout comme les déclarations enflammées du président d’OpenAI). Ce d’autant que les humains peuvent résoudre 100 % des environnements du benchmark, là où GPT-6 n’atteint pas 63 %. Le modèle peut se montrer plus efficace que le médian humain lorsqu’il comprend un niveau, mais il ne les comprend pas tous. Et puis ARC-AGI-3 reste très balisé, avec des mécaniques et des objectifs bien définis ne reflétant évidemment pas le monde réel. Il est cependant indéniable, au vu des résultats, que le modèle fait de gros progrès sur l’agentique.
Avec GPT-6 Astra, OpenAI ressort le grand mot : AGI. Le nouveau modèle affiche des résultats spectaculaires sur un benchmark indépendant, mais il reste très cher, personne ou presque ne peut s’en servir, et il n’est certainement pas la preuve que l’intelligence artificielle générale est arrivée.
GPT-6 Astra fait entrer OpenAI dans l’ère de l’AGI, l’intelligence artificielle générale. C’est le message qu’a voulu faire passer Greg Brockman, le président de l’entreprise, qui a fait la tournée des popotes pour propager la bonne parole. On attendra d’en savoir plus, et surtout les tests indépendants, pour déterminer si Astra répond réellement aux critères pour le moins flous de l’AGI.
Ce modèle, aussi annoncé comme « un saut générationnel en matière de capacités », rien de moins, se limite pour le moment à la poignée d’organisations qui participent au programme Daybreak. OpenAI promet cependant que GPT-6 sera déployé « dans les prochains jours » auprès des abonnés Plus, Pro, Business et Entreprise, ainsi que via l’API et AWS.
Attention toutefois au coût, en particulier pour la tarification à l’usage avec l’API. GPT-6 Astra revient en effet au même prix que Fable 5.1 : 10 dollars par million de tokens en entrée, 50 dollars en sortie. La hausse est vertigineuse (+ 150 % en entrée comme en sortie) par rapport à GPT-5.6 Sol. Mais « j’ai l’impression que nous avons franchi un changement qualitatif », a déclaré Greg Brockman. Ça se paie.
OpenAI a tout de même souligné que grâce à sa grosse tête bien faite, Astra utilise « nettement moins de tokens au total par tâche », mais on ignore encore concrètement dans quelle mesure cette efficacité se traduira par des coûts plus bas. En tout cas, sur les benchs réalisés par OpenAI, Astra présente plutôt bien :
Le 1er septembre, OpenAI avait fait un point d’étape sur Astra et ses capacités en matière de cybersécurité. Le modèle n’est pas impliqué dans l’attaque d’Hugging Face, néanmoins l’entreprise en a profité pour intégrer les enseignements de cette fuite d’agents. « Nous estimons que les protections d’Astra réduisent suffisamment le risque de préjudices graves pour permettre sa sortie conformément à notre cadre de préparation ». Ouf.
Loin de l’AGI selon ARC-AGI-3
Un benchmark indépendant apporte un peu de nuance au message forcément marketing et flatteur de Greg Brockman. Astra est en effet passé au tamis d’ARC-AGI-3, un benchmark publié par l’ARC Prize Foundation, une organisation à but non lucratif cofondée par François Chollet, créateur de Keras, la bibliothèque open source pour créer et entraîner des réseaux de neurones, très utilisée.
ARC-AGI-3 ne dit pas qu’Astra est une AGI ; les auteurs indiquent clairement que saturer le bench ne constitue pas une preuve d’AGI. « Même si nous pensons qu’Astra représente un progrès significatif vers la généralisation, nous n’affirmons pas qu’il s’agit d’une AGI », écrivent-ils. Ceci étant dit, les résultats de GPT-6 n’en restent pas moins impressionnants : 62,7 % avec le harnais standard (le cadre de test commun et minimal utilisé pour évaluer tous les modèles de la même façon), et jusqu’à 99,9 % avec un harnais adapté aux spécificités du fournisseur.
Chaque point représente un niveau terminé par Astra en mode Max. Les points situés sous la ligne continue indiquent qu’Astra a utilisé moins d’actions que la référence humaine.
En mode Max, pour les niveaux résolus, Astra se montre bien plus efficace que les humains avec le harnais standard. Il utilise en effet moins d’actions que le médian humain dans 96 % des niveaux terminés, avec 51,7 % d’actions en moins par niveau en moyenne. Spectaculaire… tout comme le coût ! Jusqu’à 26 098 dollars pour le score standard à 62,7 %, et 18 817 dollars pour le 99,9 % avec le harnais « provider adapter ».
À titre de comparaison, les participants humains du test étaient rémunérés 115 dollars par session de 90 minutes, plus 5 dollars par jeu terminé, soit environ 12,78 dollars par jeu tenté avant bonus. La comparaison reste cependant imparfaite : côté humain, on rémunère surtout du temps de participation ; côté IA, on mesure une facture d’inférence.
La performance d’Astra demande donc à être nuancée (tout comme les déclarations enflammées du président d’OpenAI). Ce d’autant que les humains peuvent résoudre 100 % des environnements du benchmark, là où GPT-6 n’atteint pas 63 %. Le modèle peut se montrer plus efficace que le médian humain lorsqu’il comprend un niveau, mais il ne les comprend pas tous. Et puis ARC-AGI-3 reste très balisé, avec des mécaniques et des objectifs bien définis ne reflétant évidemment pas le monde réel. Il est cependant indéniable, au vu des résultats, que le modèle fait de gros progrès sur l’agentique.
Les États-Unis et l’industrie de l’IA tiennent leur victoire diplomatique tout autant que symbolique : les membres du G20 ont accepté à l’unanimité d’adopter un ensemble de principes, non contraignants, pour une approche allégée de la gouvernance de l’intelligence artificielle.
C’est une victoire pour la Silicon Valley, mais aussi pour l’administration Trump après l’accord obtenu à l’issue du sommet sur la technologie et l’innovation organisé par les États-Unis en Caroline du Nord. Les membres du G20 ont approuvé un ensemble de principes, dont une des principales composantes est d’éviter les législations trop lourdes contre les technologies émergentes – comprendre : l’intelligence artificielle générative.
Ne pas alourdir les réglementations IA
Le texte en question, couché sur le papier par le ministère américain du Commerce, ne ressemble pas aux habituels coups de menton d’une administration qui a pris l’habitude de brutaliser ses partenaires. Il est certes très orienté « pro-IA », notamment dans sa volonté de ne pas soumettre l’IA à un régime réglementaire spécifique, mais plutôt de s’en remettre autant que possible aux cadres juridiques sectoriels déjà existants.
Il est aussi question de « soutenir l’adoption des technologies émergentes par nos populations », ce qui est une gageure à l’heure actuelle : la construction des datacenters indispensables pour mouliner l’IA ne fait pas du tout l’unanimité aux États-Unis – en pleine campagne électorale pour les mid-terms – et ailleurs dans le monde.
« Cette technologie en est à ses débuts, et le conseil que je donnerais serait de réglementer les préjudices pratiques et réels, plutôt que les préjudices théoriques et hypothétiques », a plaidé Jensen Huang, directeur général de NVIDIA. « Chaque entreprise doit prendre sur elle de développer cette technologie de manière sûre », a-t-il encore déclaré, ce qui est un peu fort de café après les tribulations des agents IA d’OpenAI contre Hugging Face, les autres attaques du même tonneau, et le discours de la peur qui fait bien les affaires d’Anthropic.
Les risques sur les infrastructures et autres dangers que font peser les IA ont été minimisés par les principaux responsables de l’industrie IA ayant participé à ce sommet. Ces menaces ne justifient pas des réglementations strictes qui limiteraient l’accès à cette technologie, selon eux. « Dire “nous n’aurons pas d’IA dans notre pays” serait une idée à peu près aussi mauvaise que de dire “nous n’aurons pas d’électricité dans notre pays” il y a plus de cent ans », a ainsi indiqué Sam Altman, le patron d’OpenAI.
Elon Musk a lui aussi affirmé qu’une réglementation la plus légère possible était essentielle pour favoriser l’innovation. Fidèle à ses habitudes, le patron de SpaceXAI a sorti de son chapeau des chiffres au doigt mouillé, en estimant que l’IA pouvait accélérer la croissance de l’économie mondiale de 20 à 30 %. Sans surprise, il a également critiqué la position européenne sur le dossier.
Henna Virkkunen, vice-présidente de la Commission européenne chargée de la souveraineté technologique, a de son côté convenu que l’IA créait de nouvelles opportunités et que l’UE souhaitait dynamiser l’innovation. Elle a toutefois ajouté que les nouvelles menaces liées à l’IA exigeaient, dans le même temps, une coordination étroite entre les gouvernements. « Il n’est pas facile de parvenir à un accord entre autant de pays différents » sur un sujet comme l’IA, a-t-elle rappelé.
Ce texte sur l’IA n’est ni un traité, ni une réglementation, ni un accord juridique. La Maison-Blanche parle de « principes partagés » et d’une « déclaration de consensus », mais ces principes ne sont pas contraignants.
Les États-Unis et l’industrie de l’IA tiennent leur victoire diplomatique tout autant que symbolique : les membres du G20 ont accepté à l’unanimité d’adopter un ensemble de principes, non contraignants, pour une approche allégée de la gouvernance de l’intelligence artificielle.
C’est une victoire pour la Silicon Valley, mais aussi pour l’administration Trump après l’accord obtenu à l’issue du sommet sur la technologie et l’innovation organisé par les États-Unis en Caroline du Nord. Les membres du G20 ont approuvé un ensemble de principes, dont une des principales composantes est d’éviter les législations trop lourdes contre les technologies émergentes – comprendre : l’intelligence artificielle générative.
Ne pas alourdir les réglementations IA
Le texte en question, couché sur le papier par le ministère américain du Commerce, ne ressemble pas aux habituels coups de menton d’une administration qui a pris l’habitude de brutaliser ses partenaires. Il est certes très orienté « pro-IA », notamment dans sa volonté de ne pas soumettre l’IA à un régime réglementaire spécifique, mais plutôt de s’en remettre autant que possible aux cadres juridiques sectoriels déjà existants.
Il est aussi question de « soutenir l’adoption des technologies émergentes par nos populations », ce qui est une gageure à l’heure actuelle : la construction des datacenters indispensables pour mouliner l’IA ne fait pas du tout l’unanimité aux États-Unis – en pleine campagne électorale pour les mid-terms – et ailleurs dans le monde.
« Cette technologie en est à ses débuts, et le conseil que je donnerais serait de réglementer les préjudices pratiques et réels, plutôt que les préjudices théoriques et hypothétiques », a plaidé Jensen Huang, directeur général de NVIDIA. « Chaque entreprise doit prendre sur elle de développer cette technologie de manière sûre », a-t-il encore déclaré, ce qui est un peu fort de café après les tribulations des agents IA d’OpenAI contre Hugging Face, les autres attaques du même tonneau, et le discours de la peur qui fait bien les affaires d’Anthropic.
Les risques sur les infrastructures et autres dangers que font peser les IA ont été minimisés par les principaux responsables de l’industrie IA ayant participé à ce sommet. Ces menaces ne justifient pas des réglementations strictes qui limiteraient l’accès à cette technologie, selon eux. « Dire “nous n’aurons pas d’IA dans notre pays” serait une idée à peu près aussi mauvaise que de dire “nous n’aurons pas d’électricité dans notre pays” il y a plus de cent ans », a ainsi indiqué Sam Altman, le patron d’OpenAI.
Elon Musk a lui aussi affirmé qu’une réglementation la plus légère possible était essentielle pour favoriser l’innovation. Fidèle à ses habitudes, le patron de SpaceXAI a sorti de son chapeau des chiffres au doigt mouillé, en estimant que l’IA pouvait accélérer la croissance de l’économie mondiale de 20 à 30 %. Sans surprise, il a également critiqué la position européenne sur le dossier.
Henna Virkkunen, vice-présidente de la Commission européenne chargée de la souveraineté technologique, a de son côté convenu que l’IA créait de nouvelles opportunités et que l’UE souhaitait dynamiser l’innovation. Elle a toutefois ajouté que les nouvelles menaces liées à l’IA exigeaient, dans le même temps, une coordination étroite entre les gouvernements. « Il n’est pas facile de parvenir à un accord entre autant de pays différents » sur un sujet comme l’IA, a-t-elle rappelé.
Ce texte sur l’IA n’est ni un traité, ni une réglementation, ni un accord juridique. La Maison-Blanche parle de « principes partagés » et d’une « déclaration de consensus », mais ces principes ne sont pas contraignants.
La ville de New York met en place un moratoire d’un an sur l’utilisation de l’IA générative par les élèves de ses établissements scolaires. Celui-ci entre en vigueur pour l’année scolaire 2026 - 2027 pour les classes allant de la maternelle (2-K) à la quatrième (aux États-Unis, le huitième grade).
Cette décision touchera environ 600 000 élèves dans le district scolaire (l’équivalent d’une académie en France) le plus important des États-Unis, selon CNN.
Illustration : Flock
« Les enfants ont besoin d’enseignants et de liens humains pour apprendre et s’épanouir. Ils doivent acquérir des compétences aux côtés de leurs camarades, nouer des relations avec leurs enseignants et se confronter seuls à des problèmes complexes », a affirmé Zohran Mamdani lors d’une conférence de presse à ce sujet. « Le secteur des technologies veut nous faire croire que l’éducation préscolaire basée sur l’intelligence artificielle est non seulement inévitable, mais aussi nécessaire. Nous ne partageons pas ce point de vue », a-t-il ajouté.
Rappelons qu’en France un cadre d’usage de l’IA générative existe. S’il est critiqué par certains, une chose y est claire : pas d’utilisation pédagogique de l’IA à l’école avant la quatrième.
La ville de New York met en place un moratoire d’un an sur l’utilisation de l’IA générative par les élèves de ses établissements scolaires. Celui-ci entre en vigueur pour l’année scolaire 2026 - 2027 pour les classes allant de la maternelle (2-K) à la quatrième (aux États-Unis, le huitième grade).
Cette décision touchera environ 600 000 élèves dans le district scolaire (l’équivalent d’une académie en France) le plus important des États-Unis, selon CNN.
Illustration : Flock
« Les enfants ont besoin d’enseignants et de liens humains pour apprendre et s’épanouir. Ils doivent acquérir des compétences aux côtés de leurs camarades, nouer des relations avec leurs enseignants et se confronter seuls à des problèmes complexes », a affirmé Zohran Mamdani lors d’une conférence de presse à ce sujet. « Le secteur des technologies veut nous faire croire que l’éducation préscolaire basée sur l’intelligence artificielle est non seulement inévitable, mais aussi nécessaire. Nous ne partageons pas ce point de vue », a-t-il ajouté.
Rappelons qu’en France un cadre d’usage de l’IA générative existe. S’il est critiqué par certains, une chose y est claire : pas d’utilisation pédagogique de l’IA à l’école avant la quatrième.
Hugging Face déborde de modèles d’IA générative. Mais il est facile de se perdre dans les méandres de tous les modèles ouverts. La CNIL propose un outil permettant de s’y retrouver.
Si on veut utiliser un modèle d’IA générative pour un projet, le premier réflexe peut être d’aller sur Hugging Face. Mais là, difficile de s’y retrouver dans les 2 millions de modèles publiés et de savoir quels sont les dérivés des principaux connus. En effet, souvent l’idée n’est pas d’utiliser le modèle d’origine mais de trouver celui qui a été le plus adapté (par inférence, par exemple) à l’utilisation qu’on veut en faire.
Le LINC (Laboratoire d’innnovation numérique de la CNIL) a créé un outil qui permet de s’y retrouver. Appelé Genmod ou « Généalogie des modèles », il a été présenté l’année dernière par les chercheurs de l’autorité de protection des données, mais son interface était jusque-là assez récalcitrante. Un effort a été fait depuis et une nouvelle version est maintenant utilisable.
Inspecter la descendance d’un modèle
On peut, par exemple, aller inspecter la descendance du modèle Kimi K3 de Moonshot AI.
Petite précision, le moteur de recherche de l’outil est encore difficile à utiliser. Pour chercher Kimi K3, mieux vaut d’abord taper le nom du dépôt de l’entreprise éditrice moonshotai/ puis taper les premières lettres du modèle. On peut ainsi trouvermoonshotai/Kimi-K3 et afficher les « modèles importants » de sa descendance (de la même façon, pour qwen3.8, il faut taper qwen/qwen3 pour se voir proposer le modèle) :
En cliquant sur « Voir l’arbre généalogique », on obtient la liste de tous les modèles qui en découlent avec des précisions sur la méthode qui a permis la dérivation.
On peut ainsi observer que le modèle « unsloth/Kimi-K3-GGUF » est un dérivé de Kimi-K3. L’outil précise qu’il a été spécialisé pour de l’ « Image-Text-to-Text » en utilisant la quantisation (comme le précise l’outil, cette méthode réduit la précision des poids du modèle source « afin de diminuer son empreinte en mémoire »). On peut voir qu’à son tour ce modèle a été dérivé pour en donner d’autres.
On peut aussi faire une « recherche experte » qui permet de sélectionner les critères qui nous intéressent :
Retrouver les différentes utilisations d’un jeu de données
L’outil permet aussi de faire la généalogie de l’utilisation des jeux de données. En effet, les chercheurs de la CNIL ont créé Genmod avant tout pour la traçabilité. On peut donc retrouver tous les modèles qui utilisent le jeu de données The Cauldron, par exemple (de la même façon, mieux vaut connaître d’abord le nom du dépôt racine, ici « HuggingFaceM4/ »).
Dans leur article de présentation de l’outil, les chercheurs du LINC posaient en exemple cette question : « Dans le cas où les données à caractère personnelle d’un individu seraient mémorisées par un modèle, comment est-il possible d’identifier les modèles par lesquels ces données seraient également susceptibles d’être mémorisées ? ». L’idée est de pouvoir retrouver les modèles susceptibles de régurgiter les mêmes données sur lesquelles ils ont été entraînés. Rappelons que les modèles d’IA générative sont aussi soumis au RGPD.
Cela peut aussi être utile, par exemple, dans le cas d’accusations de régurgitations de contenus sous copyright, comme il est question dans le procès entre le New York Times et OpenAI.
Hugging Face déborde de modèles d’IA générative. Mais il est facile de se perdre dans les méandres de tous les modèles ouverts. La CNIL propose un outil permettant de s’y retrouver.
Si on veut utiliser un modèle d’IA générative pour un projet, le premier réflexe peut être d’aller sur Hugging Face. Mais là, difficile de s’y retrouver dans les 2 millions de modèles publiés et de savoir quels sont les dérivés des principaux connus. En effet, souvent l’idée n’est pas d’utiliser le modèle d’origine mais de trouver celui qui a été le plus adapté (par inférence, par exemple) à l’utilisation qu’on veut en faire.
Le LINC (Laboratoire d’innnovation numérique de la CNIL) a créé un outil qui permet de s’y retrouver. Appelé Genmod ou « Généalogie des modèles », il a été présenté l’année dernière par les chercheurs de l’autorité de protection des données, mais son interface était jusque-là assez récalcitrante. Un effort a été fait depuis et une nouvelle version est maintenant utilisable.
Inspecter la descendance d’un modèle
On peut, par exemple, aller inspecter la descendance du modèle Kimi K3 de Moonshot AI.
Petite précision, le moteur de recherche de l’outil est encore difficile à utiliser. Pour chercher Kimi K3, mieux vaut d’abord taper le nom du dépôt de l’entreprise éditrice moonshotai/ puis taper les premières lettres du modèle. On peut ainsi trouvermoonshotai/Kimi-K3 et afficher les « modèles importants » de sa descendance (de la même façon, pour qwen3.8, il faut taper qwen/qwen3 pour se voir proposer le modèle) :
En cliquant sur « Voir l’arbre généalogique », on obtient la liste de tous les modèles qui en découlent avec des précisions sur la méthode qui a permis la dérivation.
On peut ainsi observer que le modèle « unsloth/Kimi-K3-GGUF » est un dérivé de Kimi-K3. L’outil précise qu’il a été spécialisé pour de l’ « Image-Text-to-Text » en utilisant la quantisation (comme le précise l’outil, cette méthode réduit la précision des poids du modèle source « afin de diminuer son empreinte en mémoire »). On peut voir qu’à son tour ce modèle a été dérivé pour en donner d’autres.
On peut aussi faire une « recherche experte » qui permet de sélectionner les critères qui nous intéressent :
Retrouver les différentes utilisations d’un jeu de données
L’outil permet aussi de faire la généalogie de l’utilisation des jeux de données. En effet, les chercheurs de la CNIL ont créé Genmod avant tout pour la traçabilité. On peut donc retrouver tous les modèles qui utilisent le jeu de données The Cauldron, par exemple (de la même façon, mieux vaut connaître d’abord le nom du dépôt racine, ici « HuggingFaceM4/ »).
Dans leur article de présentation de l’outil, les chercheurs du LINC posaient en exemple cette question : « Dans le cas où les données à caractère personnelle d’un individu seraient mémorisées par un modèle, comment est-il possible d’identifier les modèles par lesquels ces données seraient également susceptibles d’être mémorisées ? ». L’idée est de pouvoir retrouver les modèles susceptibles de régurgiter les mêmes données sur lesquelles ils ont été entraînés. Rappelons que les modèles d’IA générative sont aussi soumis au RGPD.
Cela peut aussi être utile, par exemple, dans le cas d’accusations de régurgitations de contenus sous copyright, comme il est question dans le procès entre le New York Times et OpenAI.
Troisième sortie en seulement six semaines pour Google : la firme de Mountain View vient en effet de déployer la version 3.8 de son modèle Gemini Flash, la famille censée offrir le meilleur rapport entre rapidité et coût de traitement des requêtes. Cette nouvelle mouture succède aux versions 3.6 et 3.7, mises en ligne à trois semaines d’intervalle.
Gemini 3.8 Flash est présenté comme le meilleur workhorse model de Google, c’est-à-dire un modèle dédié à des tâches utilitaires. Et d’après les benchmarks publiés par l’entreprise, il tiendrait la route face à des modèles dits frontière. Elle revendique ainsi un score de 73,7 % sur le test DeepSWE, qui mesure les performances en développement logiciel avancé, contre 74 % pour Opus 5 chez Anthropic et 72,7 % chez OpenAI avec GPT-5.6 Sol.
En développement agentique (missions de code autonomes dans le terminal), Gemini 3.8 Flash se paierait même le luxe de dépasser d’un cheveu Opus 5. Google revendique également des performances en hausse sur les tâches liées à la finance, au monde du droit, à l’interprétation de documents complexes (principalement scientifiques) ou à la recherche en biologie.
Comparaison entre Gemini Flash 3.8, son prédécesseur 3.7 et plusieurs modèles concurrents – source Google
Sur les tâches complexes impliquant du raisonnement ou une subdivision, Google prévient toutefois que le gain de performances promis avec Gemini 3.8 Flash se fait au prix d’une consommation plus élevée de tokens :
« Ces gains de performance découlent d’un choix de conception fondamental : Flash 3.8 travaille davantage. Sur les tâches complexes, il fait preuve d’une plus grande rigueur, en exécutant des étapes de raisonnement supplémentaires et en appelant les outils de manière itérative. Le modèle peut parfois utiliser plus de jetons pour optimiser les performances, notamment lorsque le niveau d’effort est élevé. »
Gemini 3.8 Flash est dès à présent disponible au travers des canaux courants d’IA chez Google, en API ou au travers de l’application Gemini pour les souscripteurs d’un forfait Google AI Pro ou Ultra. Pour ces derniers, c’est également lui qui sous-tend les Aperçus IA intégrés par le moteur à ses résultats de recherche.
Google affiche une tarification agressive pour le lancement, avec 0,75 dollar par million de tokens en entrée et 3,75 dollars par million de tokens en sortie. Ce prix n’est cependant valable que jusqu’au 31 décembre, date à laquelle la facturation se fera sur une base fixée à 1,50 / 7,50 dollars par million de tokens.
Google déploie dans le même temps la variante Cyber de son nouveau modèle, dotée de capacités spécifiques au monde de la cybersécurité. L’accès à ce dernier est cependant réservé aux organisations et entreprises enregistrées dans le programme Fairwind.
Troisième sortie en seulement six semaines pour Google : la firme de Mountain View vient en effet de déployer la version 3.8 de son modèle Gemini Flash, la famille censée offrir le meilleur rapport entre rapidité et coût de traitement des requêtes. Cette nouvelle mouture succède aux versions 3.6 et 3.7, mises en ligne à trois semaines d’intervalle.
Gemini 3.8 Flash est présenté comme le meilleur workhorse model de Google, c’est-à-dire un modèle dédié à des tâches utilitaires. Et d’après les benchmarks publiés par l’entreprise, il tiendrait la route face à des modèles dits frontière. Elle revendique ainsi un score de 73,7 % sur le test DeepSWE, qui mesure les performances en développement logiciel avancé, contre 74 % pour Opus 5 chez Anthropic et 72,7 % chez OpenAI avec GPT-5.6 Sol.
En développement agentique (missions de code autonomes dans le terminal), Gemini 3.8 Flash se paierait même le luxe de dépasser d’un cheveu Opus 5. Google revendique également des performances en hausse sur les tâches liées à la finance, au monde du droit, à l’interprétation de documents complexes (principalement scientifiques) ou à la recherche en biologie.
Comparaison entre Gemini Flash 3.8, son prédécesseur 3.7 et plusieurs modèles concurrents – source Google
Sur les tâches complexes impliquant du raisonnement ou une subdivision, Google prévient toutefois que le gain de performances promis avec Gemini 3.8 Flash se fait au prix d’une consommation plus élevée de tokens :
« Ces gains de performance découlent d’un choix de conception fondamental : Flash 3.8 travaille davantage. Sur les tâches complexes, il fait preuve d’une plus grande rigueur, en exécutant des étapes de raisonnement supplémentaires et en appelant les outils de manière itérative. Le modèle peut parfois utiliser plus de jetons pour optimiser les performances, notamment lorsque le niveau d’effort est élevé. »
Gemini 3.8 Flash est dès à présent disponible au travers des canaux courants d’IA chez Google, en API ou au travers de l’application Gemini pour les souscripteurs d’un forfait Google AI Pro ou Ultra. Pour ces derniers, c’est également lui qui sous-tend les Aperçus IA intégrés par le moteur à ses résultats de recherche.
Google affiche une tarification agressive pour le lancement, avec 0,75 dollar par million de tokens en entrée et 3,75 dollars par million de tokens en sortie. Ce prix n’est cependant valable que jusqu’au 31 décembre, date à laquelle la facturation se fera sur une base fixée à 1,50 / 7,50 dollars par million de tokens.
Google déploie dans le même temps la variante Cyber de son nouveau modèle, dotée de capacités spécifiques au monde de la cybersécurité. L’accès à ce dernier est cependant réservé aux organisations et entreprises enregistrées dans le programme Fairwind.
OpenAI peut compter sur un allié de poids face au New York Times. Le gouvernement américain vole en effet au secours de l’entreprise d’IA, dans le litige sur les droits d’auteur qui l’oppose à l’éditeur du fameux quotidien.
Le ministère de la Justice (DoJ) vient de déclarer à la cour fédérale du district de Manhattan que les États-Unis ont un intérêt national dans l’affaire, car l’issue du procès pourrait affecter le développement de l’IA dans le pays. En décembre 2023, le NYT accusait OpenAI et Microsoft d’avoir utilisé sans autorisation des millions de ses articles pour entraîner leurs modèles IA, enfreignant par là-même le droit d’auteur sur ses publications et ses archives.
La plainte vise à « tenir [OpenAI et Microsoft] responsables des milliards de dollars de dommages statutaires et réels qu’ils doivent pour la copie et l’utilisation illégales des œuvres de grande valeur du Times ». Le processus judiciaire suit depuis son cours, avec donc ce mémoire déposé par le DoJ (PDF).
Le fair use comme ligne de défense
L’argument central du gouvernement américain est que l’entraînement des modèles IA sur des textes protégés par droit d’auteur devrait relever du « fair use » (usage équitable), une notion propre au droit américain qui autorise certains usages d’œuvres protégées sans autorisation préalable. L’usage est jugé équitable au regard de plusieurs critères : son objectif, son caractère transformateur, la quantité utilisée et son effet sur le marché de l’œuvre originale.
C’est donc une exception aux droits d’auteur derrière laquelle se cachent les grands acteurs de l’IA pour justifier ce que d’aucuns qualifient de pillage généralisé des œuvres de l’esprit. Les éditeurs de presse et de sites web, les auteurs et maintenant les maisons de disques multiplient les plaintes à ce sujet ; Anthropic va d’ailleurs verser 1,5 milliard de dollars pour solder l’affaire des livres piratés pour entraîner Claude.
Dans son mémoire, le DoJ ne dit pas que tous les contenus générées par l’IA sont légaux. Une distinction est faite entre l’entraînement – la copie des œuvres pour apprendre des structures linguistiques – et les sorties. Si un modèle recrache des passages entiers d’une œuvre protégée, il admet qu’une question juridique se pose.
Enjeux stratégiques
Le ministère estime en revanche qu’une décision défavorable au fair use serait de nature à freiner la concurrence sur le marché des LLM, car « seules les plus grandes entreprises technologiques pourraient disposer des capitaux nécessaires pour payer des licences ». Des licences qui iraient majoritairement dans les poches des médias traditionnels qui disposent d’un énorme volume d’archives (et de l’assise financière pour porter plainte).
Surtout, un coup de frein sur l’IA aurait un impact sur les capacités de sécurité nationale des États-Unis. Dans le cadre des opérations militaires américaines, cette technologie sert en effet à l’analyse d’informations de renseignement, à l’amélioration des systèmes d’armement (drones et navires robotisés), ou encore à la formulation de recommandations sur le champ de bataille (par exemple sur les cibles à viser par des frappes de missiles).
Le DoJ affirme que « des règles de droit qui rendraient beaucoup plus difficile le développement d’une industrie de l’IA robuste aux États-Unis menaceraient donc la sécurité nationale et donneraient un avantage concurrentiel aux adversaires étrangers qui ne seraient pas soumis aux mêmes contraintes. »
Un mémoire n’est évidemment pas une décision de justice. Cette intervention pourrait cependant peser sur le jugement du tribunal.
OpenAI peut compter sur un allié de poids face au New York Times. Le gouvernement américain vole en effet au secours de l’entreprise d’IA, dans le litige sur les droits d’auteur qui l’oppose à l’éditeur du fameux quotidien.
Le ministère de la Justice (DoJ) vient de déclarer à la cour fédérale du district de Manhattan que les États-Unis ont un intérêt national dans l’affaire, car l’issue du procès pourrait affecter le développement de l’IA dans le pays. En décembre 2023, le NYT accusait OpenAI et Microsoft d’avoir utilisé sans autorisation des millions de ses articles pour entraîner leurs modèles IA, enfreignant par là-même le droit d’auteur sur ses publications et ses archives.
La plainte vise à « tenir [OpenAI et Microsoft] responsables des milliards de dollars de dommages statutaires et réels qu’ils doivent pour la copie et l’utilisation illégales des œuvres de grande valeur du Times ». Le processus judiciaire suit depuis son cours, avec donc ce mémoire déposé par le DoJ (PDF).
Le fair use comme ligne de défense
L’argument central du gouvernement américain est que l’entraînement des modèles IA sur des textes protégés par droit d’auteur devrait relever du « fair use » (usage équitable), une notion propre au droit américain qui autorise certains usages d’œuvres protégées sans autorisation préalable. L’usage est jugé équitable au regard de plusieurs critères : son objectif, son caractère transformateur, la quantité utilisée et son effet sur le marché de l’œuvre originale.
C’est donc une exception aux droits d’auteur derrière laquelle se cachent les grands acteurs de l’IA pour justifier ce que d’aucuns qualifient de pillage généralisé des œuvres de l’esprit. Les éditeurs de presse et de sites web, les auteurs et maintenant les maisons de disques multiplient les plaintes à ce sujet ; Anthropic va d’ailleurs verser 1,5 milliard de dollars pour solder l’affaire des livres piratés pour entraîner Claude.
Dans son mémoire, le DoJ ne dit pas que tous les contenus générées par l’IA sont légaux. Une distinction est faite entre l’entraînement – la copie des œuvres pour apprendre des structures linguistiques – et les sorties. Si un modèle recrache des passages entiers d’une œuvre protégée, il admet qu’une question juridique se pose.
Enjeux stratégiques
Le ministère estime en revanche qu’une décision défavorable au fair use serait de nature à freiner la concurrence sur le marché des LLM, car « seules les plus grandes entreprises technologiques pourraient disposer des capitaux nécessaires pour payer des licences ». Des licences qui iraient majoritairement dans les poches des médias traditionnels qui disposent d’un énorme volume d’archives (et de l’assise financière pour porter plainte).
Surtout, un coup de frein sur l’IA aurait un impact sur les capacités de sécurité nationale des États-Unis. Dans le cadre des opérations militaires américaines, cette technologie sert en effet à l’analyse d’informations de renseignement, à l’amélioration des systèmes d’armement (drones et navires robotisés), ou encore à la formulation de recommandations sur le champ de bataille (par exemple sur les cibles à viser par des frappes de missiles).
Le DoJ affirme que « des règles de droit qui rendraient beaucoup plus difficile le développement d’une industrie de l’IA robuste aux États-Unis menaceraient donc la sécurité nationale et donneraient un avantage concurrentiel aux adversaires étrangers qui ne seraient pas soumis aux mêmes contraintes. »
Un mémoire n’est évidemment pas une décision de justice. Cette intervention pourrait cependant peser sur le jugement du tribunal.
Après un hiatus de quasiment deux mois, Anthropic relance la machine aux modèles IA avec les versions 5.1 de Claude Fable et Mythos. Il s’agit du même modèle, mais Mythos 5.1 abaisse ses garde-fous en matière de cybersécurité et en sciences de la vie ; il n’est distribué qu’aux individus et organisations dûment autorisés.
Fable 5.1 est de son côté disponible depuis hier pour tous sur toutes les plateformes (Claude API, AWS, Google Cloud, Azure). Un de ses principaux arguments de vente est le prix. Certes, la grille tarifaire est similaire à celle de Fable 5, autrement dit 10 dollars pour un million de tokens en entrée et 50 dollars en sortie. Mais Anthropic met surtout en avant la lecture du cache plus performante qui permet de réduire les coûts de 25 % sur les charges de travail typiques.
Image : Anthropic
Sur les tâches de codage complexe qui nécessitent un long travail agentique, les économies peuvent atteindre 45 % par rapport à Fable 5. Globalement, lorsque l’usage est facturé au token – ce qui est le cas avec l’API –, la lecture du cache coûte désormais 75 % de moins (soit 0,25 dollar par million de tokens).
Image : Anthropic
En termes de performances, devinez quoi, Fable 5.1 « établit une nouvelle référence pour le code, le travail intellectuel et les tâches de résolution de problème de longue durée », affirme Anthropic. Et quand le modèle est branché sur un effort faible ou moyen, il obtient des résultats « similaires ou supérieurs » à ceux de son prédécesseur direct, pour moins cher.
Image : Artificial Analysis
Le site Artificial Analysis, une plateforme indépendante de benchmarks IA, le confirme : sur l’index principal, Fable 5.1 prend la première place devant Opus 5 et Fable 5. En revanche, le modèle affiche le coût moyen par tâche le plus élevé, et de loin (3,69 dollars) face à Opus 5 (2,34 dollars) et GPT-5.6 Sol (0,95 dollar). Enfin, Fable 5.1 intègre la fonction de filigrane pour le texte et les images, tel qu’exigé par l’AI Act européen.
Après un hiatus de quasiment deux mois, Anthropic relance la machine aux modèles IA avec les versions 5.1 de Claude Fable et Mythos. Il s’agit du même modèle, mais Mythos 5.1 abaisse ses garde-fous en matière de cybersécurité et en sciences de la vie ; il n’est distribué qu’aux individus et organisations dûment autorisés.
Fable 5.1 est de son côté disponible depuis hier pour tous sur toutes les plateformes (Claude API, AWS, Google Cloud, Azure). Un de ses principaux arguments de vente est le prix. Certes, la grille tarifaire est similaire à celle de Fable 5, autrement dit 10 dollars pour un million de tokens en entrée et 50 dollars en sortie. Mais Anthropic met surtout en avant la lecture du cache plus performante qui permet de réduire les coûts de 25 % sur les charges de travail typiques.
Image : Anthropic
Sur les tâches de codage complexe qui nécessitent un long travail agentique, les économies peuvent atteindre 45 % par rapport à Fable 5. Globalement, lorsque l’usage est facturé au token – ce qui est le cas avec l’API –, la lecture du cache coûte désormais 75 % de moins (soit 0,25 dollar par million de tokens).
Image : Anthropic
En termes de performances, devinez quoi, Fable 5.1 « établit une nouvelle référence pour le code, le travail intellectuel et les tâches de résolution de problème de longue durée », affirme Anthropic. Et quand le modèle est branché sur un effort faible ou moyen, il obtient des résultats « similaires ou supérieurs » à ceux de son prédécesseur direct, pour moins cher.
Image : Artificial Analysis
Le site Artificial Analysis, une plateforme indépendante de benchmarks IA, le confirme : sur l’index principal, Fable 5.1 prend la première place devant Opus 5 et Fable 5. En revanche, le modèle affiche le coût moyen par tâche le plus élevé, et de loin (3,69 dollars) face à Opus 5 (2,34 dollars) et GPT-5.6 Sol (0,95 dollar). Enfin, Fable 5.1 intègre la fonction de filigrane pour le texte et les images, tel qu’exigé par l’AI Act européen.
La publication de plusieurs rapports techniques sur l’incident ayant conduit des agents IA d’OpenAI à attaquer Hugging Face permet aujourd’hui de mieux comprendre ce qui s’est passé. La chronologie est surprenante et pointe vers de nombreuses défaillances internes, mais le marketing continue de battre son plein.
Le 22 juillet, on apprenait que l’attaque enregistrée par Hugging Face contre ses infrastructures provenait en réalité d’OpenAI. Celle-ci n’avait pas choisi de s’en prendre à l’hébergeur de modèles IA : la faute en revenait à des agents qui étaient sortis de leur cadre de test pour atteindre plus rapidement les objectifs qui leur avaient été fixés, en l’occurrence la résolution des épreuves posées par le benchmark de cybersécurité ExploitGym.
Le 26 août, deux rapports beaucoup plus complets sont cependant apparus. Le premier vient d’OpenAI (PDF) et est une analyse technique fouillée des évènements. L’autre (PDF) de l’organisme à but non lucratif METR (Model Evaluation and Threat Research), mandaté par OpenAI comme expert indépendant et assisté d’un chercheur de Redwood Research. La chronologie semble digne d’un scénario de science-fiction au premier abord.
Des signaux dès mai 2026
Les premiers couacs sont apparus environ deux mois avant l’attaque contre Hugging Face, selon le rapport technique d’OpenAI. Le 8 mai, un agent de l’entreprise s’est retrouvé bloqué sur une tâche rendue volontairement impossible : accéder à des liens vers Google Drive depuis un environnement dépourvu d’accès internet.
L’agent ne se démonte pas pour autant et cible Artifactory, le gestionnaire de paquets utilisé en interne par OpenAI pour donner à ses agents un accès contrôlé aux dépendances de développement. L’agent attaque le logiciel au moyen d’une faille SSRF (server-side request forgery), mais échoue dans sa mise en pratique. Le processus laisse une scorie : un fichier écrit par l’agent dans Artifactory.
Le 12 mai, toujours dans le cadre d’un test, un deuxième agent trouve le fichier et conclut qu’il peut laisser par ce biais des messages à l’attention d’autres agents qui seraient susceptibles de disposer des ressources manquantes. Le lendemain, un troisième agent – disposant cette fois d’un accès internet – trouve ces notes et commence à s’en servir. Dans les jours qui suivent, un nombre croissant d’agents se met à utiliser ces fichiers comme un « message board » pour échanger sur les problèmes à résoudre.
Le 26 mai, plusieurs agents utilisent une faille SSRF pour obtenir un accès internet, cette fois avec succès. Ils découvrent six jetons d’authentification Hugging Face (qui avaient été exposés publiquement) et les partagent sur Artifactory, au bénéfice des autres agents. Un dépôt est même créé sur Hugging Face, ainsi qu’une application de relais dans le service Space.
Cet incident a finalement été découvert par OpenAI, mais n’a pas été rapporté aux responsables de détection et réponse aux incidents. Dans son rapport, l’entreprise avoue un défaut de communication.
L’escalade vers Hugging Face
Un mois plus tard, le 26 juin, OpenAI lance un test sur plusieurs agents, dans l’objectif de leur faire obtenir le meilleur score au benchmark ExploitGym. Les conditions sont cette fois connues, car c’est le processus qui aboutira à l’attaque contre Hugging Face en juillet. Pour rappel, OpenAI testait à ce moment deux modèles : GPT-5.6 Sol (leur modèle commercial le plus avancé actuellement) et un modèle interne, sans nom officiel, mais que METR nomme HPIM (« highly-persistent internal model ») dans son rapport.
Entre le 26 juin et le 4 juillet, les actions s’enchainent. Les agents ont d’abord découvert une faille dans un point de terminaison d’Artifactory servant au rafraichissement des jetons d’authentification et s’en sont servi pour obtenir des droits administrateur. Ces derniers ont été utilisés pour installer des plug-ins dans Artifactory, avec à la clé des capacités persistantes d’exécution de commandes. Dans l’intervalle, une alerte remonte le 27 juin pour signaler un comportement imprévu, mais n’est pas jugée bloquante. L’activité est alors devenue assez intense sur le serveur pour provoquer l’indisponibilité d’Artifactory le 6 juillet, déclenchant en interne un incident de sécurité. OpenAI dit alors avoir coupé le service compromis, révoqué les accréditations des agents et reconstruit une nouvelle instance d’Artifactory le même jour, effaçant l’ensemble des messages échangés par les agents.
Il reste 74% 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.
Après la colère des joueurs puis les fuites, vient le temps du lancement officiel : le DLSS 5 de NVIDIA fera ses premiers pas le 4 septembre. Les joueurs de NBA 2K27 seront les premiers servis, pour peu qu’ils possèdent un PC équipé d’une carte graphique RTX 5000 (ou qu’ils jouent dans le nuage avec GeForce Now). Tous les développeurs sont invités à monter dans ce train, qui a bien failli dérailler dès son annonce au mois de mars.
C’est l’artiste qui impulse la vision, et il n’est pas question de la remplacer par de l’IA slop. C’est le message martelé par NVIDIA pour présenter, une seconde fois, le DLSS 5 et sa nouveauté phare, le rendu neuronal guidé par la 3D (3D-Guided Neural Rendering). Constatant qu’obtenir un niveau de rendu photoréaliste digne de Hollywood était hors de portée dans les jeux vidéo, l’entreprise prend donc l’approche de l’IA générative.
Bien sûr, l’IA a toujours été au cœur de la technologie d’upscale de NVIDIA depuis le lancement du Deep Learning Super Sampling en 2018. Elle se contentait jusqu’à présent – si on peut dire – de reconstruire des données déjà présentes dans une scène pour produire des images en plus haute résolution, des images supplémentaires ou un meilleur rendu ray tracing. Le DLSS 5 va beaucoup plus loin : il veut « transformer la fidélité visuelle » en utilisant l’IA générative pour « révéler des éclairages et des détails de matériaux » impossibles à obtenir actuellement, en raison des contraintes techniques de calcul en temps réel.
Pas le ChatGPT du rendu graphique
NVIDIA parle d’IA générative, mais pas question pour autant de comparer le rendu neuronal à ChatGPT. Le DLSS 5 ne génère pas de scènes à partir d’un prompt textuel : il s’appuie sur les images rendues par le moteur du jeu en temps réel, avec leur géométrie, textures et éclairage « conçus par les artistes ». La technologie n’intervient pas en amont de la génération de l’image, c’est « l’ultime étape de rendu du pipeline graphique » – et non pas un remplacement du pipeline.
« [Le DLSS 5] enrichit les scènes avec des éclairages et des matériaux plus réalistes, tout en garantissant que l’image du moteur détermine ce qui doit rester inchangé, et que l’artiste décide de ce qui peut évoluer. »
Cette obsession de l’artiste revient en boucle, pour une très bonne raison : en mars, l’annonce du DLSS 5 a provoqué un tsunami de critiques dirigé vers NVIDIA. Jensen Huang, le patron de l’entreprise, avait remis une pièce dans la machine en affirmant que les joueurs qui critiquaient la technologie avaient « complètement tort ». Il a tenté de se rattraper un peu plus tard en disant comprendre les inquiétudes, et affirmé que lui non plus n’aimait pas l’IA slop.
Les premières démonstrations du DLSS 5 ne plaidaient pas en sa faveur. Les personnages passés à la moulinette du rendu neuronal semblaient en effet sortis d’autres jeux. Pire encore, beaucoup soupçonnaient NVIDIA de patouiller avec la géométrie des visages en ignorant complètement la direction et l’intention artistiques.
L’heure est donc venue de l’explication de texte, pour calmer les inquiétudes légitimes des joueurs, et possiblement, celles des studios qui verraient d’un mauvais œil NVIDIA uniformiser le rendu graphique des jeux. Il s’agit donc, en premier lieu, de « préserver l’intention artistique ».
Image : NVIDIA
Le DLSS 5 analyse ce qui se trouve dans l’image (objets, matériaux, sources de lumière) pour « enrichir » la scène. NVIDIA promet une peau plus naturelle, une lumière plus crédible dans les cheveux et le feuillage, et des ombres de contact plus marquées. Mais le tout reste, insiste l’entreprise, ancré dans l’image originale produite par le moteur et « conçue par les artistes » — on y revient.
Images NVIDIA
Les développeurs gardent le contrôle de ce que le DLSS 5 peut faire aux images de leurs jeux. Plusieurs modèles et paramètres sont à leur disposition pour moduler l’intensité structurelle et les effets du rendu neuronal en fonction des scènes. Il est même possible d’exclure du traitement neuronal une partie de l’image, par exemple le visage d’un personnage, avec un système de masque.
Deuxième priorité : le modèle IA de NVIDIA ne saurait être comparé à celui d’un modèle de génération de vidéos par IA, où chaque séquence présente des variations et des différences dans le rendu des personnages et des décors. Le DLSS 5 repose sur un principe intangible : « une image en entrée, une image en sortie ». Cela doit garantir, selon l’entreprise, la stabilité de chaque image générée en évitant les artefacts classiques des vidéos IA (scintillements, effets de flottement, dérives temporelles).
Image NVIDIA
Enfin, la dernière priorité est que tout cela se réalise en temps réel à partir d’un seul GPU (les démonstrations initiales tournaient sur des PC équipés de deux RTX 5090…). Des optimisations supplémentaires sont dans les tuyaux.
Et maintenant, jouez
En termes de performances, NVIDIA donne des exemples plutôt flatteurs mais sur des PC très bien équipés (64 Go de mémoire et Ryzen 7 9800X3D). Il sera beaucoup plus intéressant, et probablement plus révélateur, de mesurer les FPS sur des machines grand public. La version du DLSS 5 récupérée par des moddeurs donne un framerate réduit de 40 à 50 %.
Lors de la première présentation polémique de la technologie, NVIDIA avait mis en avant le support de plusieurs éditeurs et studios de développement, parmi lesquels Capcom, Ubisoft, Bethesda ou encore Warner. Il ne fait guère de doute qu’ils seront au rendez-vous du DLSS 5 le moment venu, mais leur silence sur le sujet est évocateur.
Images NVIDIA
L’IA générative est très mal vue par de nombreux joueurs, et personne ne veut être accusé de produire de l’IA slop, ce qui peut plomber la carrière commerciale d’un jeu. Même si dans les faits, elle est de plus en plus intégrée dans les pipelines de développement. Quant au DLSS 5, s’il semble donner des résultats intéressants dans les jeux où le photoréalisme prime (comme c’est le cas dans NBA 2K27), les joueurs auront de toute manière la possibilité de le désactiver.
Après la colère des joueurs puis les fuites, vient le temps du lancement officiel : le DLSS 5 de NVIDIA fera ses premiers pas le 4 septembre. Les joueurs de NBA 2K27 seront les premiers servis, pour peu qu’ils possèdent un PC équipé d’une carte graphique RTX 5000 (ou qu’ils jouent dans le nuage avec GeForce Now). Tous les développeurs sont invités à monter dans ce train, qui a bien failli dérailler dès son annonce au mois de mars.
C’est l’artiste qui impulse la vision, et il n’est pas question de la remplacer par de l’IA slop. C’est le message martelé par NVIDIA pour présenter, une seconde fois, le DLSS 5 et sa nouveauté phare, le rendu neuronal guidé par la 3D (3D-Guided Neural Rendering). Constatant qu’obtenir un niveau de rendu photoréaliste digne de Hollywood était hors de portée dans les jeux vidéo, l’entreprise prend donc l’approche de l’IA générative.
Bien sûr, l’IA a toujours été au cœur de la technologie d’upscale de NVIDIA depuis le lancement du Deep Learning Super Sampling en 2018. Elle se contentait jusqu’à présent – si on peut dire – de reconstruire des données déjà présentes dans une scène pour produire des images en plus haute résolution, des images supplémentaires ou un meilleur rendu ray tracing. Le DLSS 5 va beaucoup plus loin : il veut « transformer la fidélité visuelle » en utilisant l’IA générative pour « révéler des éclairages et des détails de matériaux » impossibles à obtenir actuellement, en raison des contraintes techniques de calcul en temps réel.
Pas le ChatGPT du rendu graphique
NVIDIA parle d’IA générative, mais pas question pour autant de comparer le rendu neuronal à ChatGPT. Le DLSS 5 ne génère pas de scènes à partir d’un prompt textuel : il s’appuie sur les images rendues par le moteur du jeu en temps réel, avec leur géométrie, textures et éclairage « conçus par les artistes ». La technologie n’intervient pas en amont de la génération de l’image, c’est « l’ultime étape de rendu du pipeline graphique » – et non pas un remplacement du pipeline.
« [Le DLSS 5] enrichit les scènes avec des éclairages et des matériaux plus réalistes, tout en garantissant que l’image du moteur détermine ce qui doit rester inchangé, et que l’artiste décide de ce qui peut évoluer. »
Cette obsession de l’artiste revient en boucle, pour une très bonne raison : en mars, l’annonce du DLSS 5 a provoqué un tsunami de critiques dirigé vers NVIDIA. Jensen Huang, le patron de l’entreprise, avait remis une pièce dans la machine en affirmant que les joueurs qui critiquaient la technologie avaient « complètement tort ». Il a tenté de se rattraper un peu plus tard en disant comprendre les inquiétudes, et affirmé que lui non plus n’aimait pas l’IA slop.
Les premières démonstrations du DLSS 5 ne plaidaient pas en sa faveur. Les personnages passés à la moulinette du rendu neuronal semblaient en effet sortis d’autres jeux. Pire encore, beaucoup soupçonnaient NVIDIA de patouiller avec la géométrie des visages en ignorant complètement la direction et l’intention artistiques.
L’heure est donc venue de l’explication de texte, pour calmer les inquiétudes légitimes des joueurs, et possiblement, celles des studios qui verraient d’un mauvais œil NVIDIA uniformiser le rendu graphique des jeux. Il s’agit donc, en premier lieu, de « préserver l’intention artistique ».
Image : NVIDIA
Le DLSS 5 analyse ce qui se trouve dans l’image (objets, matériaux, sources de lumière) pour « enrichir » la scène. NVIDIA promet une peau plus naturelle, une lumière plus crédible dans les cheveux et le feuillage, et des ombres de contact plus marquées. Mais le tout reste, insiste l’entreprise, ancré dans l’image originale produite par le moteur et « conçue par les artistes » — on y revient.
Images NVIDIA
Les développeurs gardent le contrôle de ce que le DLSS 5 peut faire aux images de leurs jeux. Plusieurs modèles et paramètres sont à leur disposition pour moduler l’intensité structurelle et les effets du rendu neuronal en fonction des scènes. Il est même possible d’exclure du traitement neuronal une partie de l’image, par exemple le visage d’un personnage, avec un système de masque.
Deuxième priorité : le modèle IA de NVIDIA ne saurait être comparé à celui d’un modèle de génération de vidéos par IA, où chaque séquence présente des variations et des différences dans le rendu des personnages et des décors. Le DLSS 5 repose sur un principe intangible : « une image en entrée, une image en sortie ». Cela doit garantir, selon l’entreprise, la stabilité de chaque image générée en évitant les artefacts classiques des vidéos IA (scintillements, effets de flottement, dérives temporelles).
Image NVIDIA
Enfin, la dernière priorité est que tout cela se réalise en temps réel à partir d’un seul GPU (les démonstrations initiales tournaient sur des PC équipés de deux RTX 5090…). Des optimisations supplémentaires sont dans les tuyaux.
Et maintenant, jouez
En termes de performances, NVIDIA donne des exemples plutôt flatteurs mais sur des PC très bien équipés (64 Go de mémoire et Ryzen 7 9800X3D). Il sera beaucoup plus intéressant, et probablement plus révélateur, de mesurer les FPS sur des machines grand public. La version du DLSS 5 récupérée par des moddeurs donne un framerate réduit de 40 à 50 %.
Lors de la première présentation polémique de la technologie, NVIDIA avait mis en avant le support de plusieurs éditeurs et studios de développement, parmi lesquels Capcom, Ubisoft, Bethesda ou encore Warner. Il ne fait guère de doute qu’ils seront au rendez-vous du DLSS 5 le moment venu, mais leur silence sur le sujet est évocateur.
Images NVIDIA
L’IA générative est très mal vue par de nombreux joueurs, et personne ne veut être accusé de produire de l’IA slop, ce qui peut plomber la carrière commerciale d’un jeu. Même si dans les faits, elle est de plus en plus intégrée dans les pipelines de développement. Quant au DLSS 5, s’il semble donner des résultats intéressants dans les jeux où le photoréalisme prime (comme c’est le cas dans NBA 2K27), les joueurs auront de toute manière la possibilité de le désactiver.
Instagram a entendu la grogne des utilisateurs qui n’aiment pas découvrir que la personne derrière un profil avait en fait été générée par une IA. De nouvelles mesures vont être mises en place pour mieux les informer.
Instagram a beau être un des plus gros tuyaux déversoirs d’IA slop au monde, trop c’est parfois trop. Le réseau social de Meta a décidé de serrer la vis aux profils générés par IA qui ne jouent pas franc jeu en « omettant » de se présenter de la sorte. « Les utilisateurs veulent savoir quand un profil met en avant une personne générée par IA », affirme Instagram.
Image : Instagram
C’est pourquoi l’étiquette « Créateur IA », expérimentée depuis le mois de mai, va être remplacée par un label, plus clair, « Profil généré par IA » (« AI-generated profile »). Le tag sera visible sur la page de profil et dans ses informations détaillées, ainsi que sous le nom de la créature synthétique apparaissant dans ses posts. Les créateurs qui utilisent l’IA générative pour produire des images, des vidéos ou du texte – mais pas le persona de leur profil – n’ont pas à demander l’étiquette.
Image : Instagram
Les profils qui présentent une personne générée par IA et qui ne sont pas étiquetés sont fermement invités à activer l’option pour obtenir le label. Les créateurs qui se plieront volontairement à la règle ne verront aucune différence de visibilité pour leurs contenus. Ceux qui rechigneront à s’identifier comme profil généré par IA pourraient ne plus apparaitre dans les recommandations en cas de détection par les systèmes d’Instagram. Il sera toujours possible de faire appel d’une décision de restriction de visibilité.
Connexion
