Un groupe de cybercriminels a mené une série d'attaques coordonnées contre la chaîne d'approvisionnement logicielle, compromettant des dizaines de paquets et de dépôts de développement. Au coeur de leur campagne ? Un malware nommé Miasma qui injecte sa charge utile dans les outils que les développeurs utilisent chaque jour.
OpenAI a déployé deux nouvelles options de sécurité pour les comptes ChatGPT : un mode de verrouillage pour limiter les risques d'exfiltration liés aux injections de prompts, et une fonctionnalité de gestion des sessions actives ouverte à tous.
Le nombre de notes éliminatoires à l’examen de printemps du cours d’initiation à l’informatique de Berkeley a explosé de + 419 % en un an. En cause : les lacunes en maths des étudiants, trop habitués à recourir à l’IA plutôt qu’à apprendre leurs cours et à faire par eux-mêmes leurs devoirs, l’absentéisme et l’absence de participation en classe, et le fait que nombre d’entre eux aient triché.
35 % des étudiants de l’université de Californie à Berkeley ont obtenu une note éliminatoire à l’examen d’initiation à l’informatique le printemps dernier, contre 7 % l’an passé, relève le Daily Californian, un journal indépendant géré par les étudiants de l’université.
Les enseignants déplorent le recours accru des élèves à l’IA, leur manque de préparation en mathématiques, le manque de personnel et la triche qui en résulte.
Figurant en quatrième position au classement 2026 des meilleures écoles d’informatique états-uniennes, derrière Carnegie Mellon, le MIT et Standford, Berkeley est aussi la première au classement des meilleures universités publiques.
Intitulé « La beauté et la joie de l’informatique », COMPSCI 10 est un cours d’initiation destiné aux étudiants ayant une « expérience minimale en informatique », afin de les préparer aux futurs cours d’informatique et leur « donner les moyens d’utiliser la programmation pour résoudre des problèmes dans leur domaine d’études » :
« Il offre un aperçu de l’histoire, des grands principes et des applications révolutionnaires de l’informatique, ainsi qu’une introduction complète à la programmation. Les thèmes abordés comprennent l’abstraction, la récursivité, la complexité algorithmique, les fonctions d’ordre supérieur, la concurrence, les implications sociales de l’informatique (vie privée, éducation, biais algorithmiques) et des domaines de recherche passionnants (science des données, IA, IHM). Les étudiants programmeront en Snap! (un langage graphique convivial) et en Python, et concevront et mettront en œuvre deux projets de leur choix. »
Intitulé « Structure et interprétation des programmes informatiques », COMPSCI 61A est quant à lui une introduction à la programmation et à l’informatique « axée sur les techniques d’abstraction comme moyens de gérer la complexité des programmes » :
« Le cours initie les étudiants aux différents paradigmes de programmation, notamment les approches fonctionnelle, orientée objet et déclarative. Il comprend une introduction à l’analyse asymptotique des algorithmes. »
Or, 35,3 % des étudiants du cours CS 10 et 10,6 % des étudiants du cours CS 61A ont obtenu ce printemps 2026 un F (pour « failure », échec), soit la plus mauvaise note du système de notation états-unien, réservée aux travaux considérés comme irrecevables ou éliminatoires.
À titre de comparaison, aux printemps 2024 et 2025, le pourcentage de F avait baissé, passant de 9,1 à 6,8 % pour le premier cours, de 5 à 3,8 % pour le second. Une explosion (de respectivement + 419 % et + 179 %) d’autant plus problématique que les directives de notation avancent que 7 % des étudiants des cours de premier cycle, dont font partie les cours CS 10 et CS 61A, devraient obtenir des notes D et F.
Les directives précisent en outre qu’« une moyenne générale typique pour un cours de premier cycle se situe entre 2,8 et 3,3 ». Au printemps 2026, la moyenne des notes des deux classes était de C+, ce qui correspond à une moyenne générale de 2,3.
Le cours EECS 127 intitulé « Modèles d’optimisation en ingénierie » a de son côté enregistré ce printemps 2026 un taux d’échec (F) de 16,8 %, bien supérieur aux 5 % de notes D et F que le département EECS qualifie de « typiques » pour un cours de ce type, et alors qu’il était pourtant passé de 2,5 à 1,5 % entre 2024 et 2025, soit une explosion de + 1 020 % cette année.
Dan Garcia, qui a enseigné au printemps 2026 les cours CS 10 et CS 61A, estime que le « principal facteur » de ces taux d’échec anormalement élevés est dû à une « forte augmentation de la malhonnêteté académique » résultant de l’utilisation par les étudiants de grands modèles linguistiques, tels que Claude, ChatGPT et Google Gemini.
Garcia précise que près de 30 étudiants du cours CS 10 ont ainsi été « surpris en train de tricher lors d’examens à faire à la maison » au printemps 2026 (l’article ne précise pas combien d’étudiants devaient passer l’examen) :
« Certains des chiffres que vous avez vus concernant le nombre d’étudiants ayant échoué s’expliquent par le fait que nous les avons surpris en train de tricher, que nous avons engagé des poursuites à leur encontre et que nous avons transmis leurs dossiers au Centre de déontologie étudiante. »
« Mais dans d’autres cas, ce sont des étudiants qui s’appuient un peu trop sur les modèles de langage (LLM) pour faire le travail à leur place, et qui, au moment des examens, ne sont tout simplement pas prêts », poursuit-il.
M. Garcia estime également que de nombreux étudiants présentaient des lacunes en mathématiques, une préoccupation partagée par Gireeja Ranade, professeure associée d’Electrical Engineering and Computer Science, en charge du cours EECS 127.
Elle s’est rendu compte que de nombreux étudiants avaient des difficultés en algèbre linéaire, et a été surprise de découvrir qu’un étudiant lui a confié que le cours d’algèbre linéaire qu’il avait suivi à Berkeley appliquait une « politique d’accès libre à Internet et à l’IA » pour les devoirs et les examens.
Alors que les permanences étaient autrefois « bondées », Ranade, Garcia et leurs assistants ont en outre constaté ce semestre une « très faible participation » des étudiants en cours, bien qu’ils aient régulièrement encouragé les étudiants à y assister.
« Avant, j’avais toujours des permanences bien remplies, et pour la première fois, personne ne venait me voir », s’étonne Garcia : « C’était tellement surprenant de me retrouver seul dans mon bureau. »
Garcia prévoit de discuter de ce qui s’est passé ce printemps 2026 avec ses étudiants dès les premiers jours de leurs futures classes, et de chercher à identifier les élèves ayant besoin de soutien supplémentaire.
Mme Ranade estime pour sa part que les professeurs devraient enseigner « davantage, et non moins » aux étudiants à l’ère de l’IA, de sorte qu’ils acquièrent les capacités de réflexion critique et d’analyse nécessaires pour devenir des leaders capables de s’imposer «dans un monde très concurrentiel ».
Les deux professeurs ont souligné la nécessité pour les étudiants de se sentir plus à l’aise face à des problèmes complexes.
Comme le résume @HedgieMarkets sur X.com, le marché du travail s’effondre en aval et en amont, sous couvert des profits et économies que permettrait l’IA :
« Les ingénieurs chevronnés sont licenciés pour financer les dépenses liées à l’IA. Les ingénieurs débutants sortent de l’université sans les compétences nécessaires, car l’IA s’est chargée de leurs cours. Et les entreprises qui dépensent des milliards dans ces outils n’ont pas encore fait le lien entre ces deux réalités. »
Le nombre de notes éliminatoires à l’examen de printemps du cours d’initiation à l’informatique de Berkeley a explosé de + 419 % en un an. En cause : les lacunes en maths des étudiants, trop habitués à recourir à l’IA plutôt qu’à apprendre leurs cours et à faire par eux-mêmes leurs devoirs, l’absentéisme et l’absence de participation en classe, et le fait que nombre d’entre eux aient triché.
35 % des étudiants de l’université de Californie à Berkeley ont obtenu une note éliminatoire à l’examen d’initiation à l’informatique le printemps dernier, contre 7 % l’an passé, relève le Daily Californian, un journal indépendant géré par les étudiants de l’université.
Les enseignants déplorent le recours accru des élèves à l’IA, leur manque de préparation en mathématiques, le manque de personnel et la triche qui en résulte.
Figurant en quatrième position au classement 2026 des meilleures écoles d’informatique états-uniennes, derrière Carnegie Mellon, le MIT et Standford, Berkeley est aussi la première au classement des meilleures universités publiques.
Intitulé « La beauté et la joie de l’informatique », COMPSCI 10 est un cours d’initiation destiné aux étudiants ayant une « expérience minimale en informatique », afin de les préparer aux futurs cours d’informatique et leur « donner les moyens d’utiliser la programmation pour résoudre des problèmes dans leur domaine d’études » :
« Il offre un aperçu de l’histoire, des grands principes et des applications révolutionnaires de l’informatique, ainsi qu’une introduction complète à la programmation. Les thèmes abordés comprennent l’abstraction, la récursivité, la complexité algorithmique, les fonctions d’ordre supérieur, la concurrence, les implications sociales de l’informatique (vie privée, éducation, biais algorithmiques) et des domaines de recherche passionnants (science des données, IA, IHM). Les étudiants programmeront en Snap! (un langage graphique convivial) et en Python, et concevront et mettront en œuvre deux projets de leur choix. »
Intitulé « Structure et interprétation des programmes informatiques », COMPSCI 61A est quant à lui une introduction à la programmation et à l’informatique « axée sur les techniques d’abstraction comme moyens de gérer la complexité des programmes » :
« Le cours initie les étudiants aux différents paradigmes de programmation, notamment les approches fonctionnelle, orientée objet et déclarative. Il comprend une introduction à l’analyse asymptotique des algorithmes. »
Or, 35,3 % des étudiants du cours CS 10 et 10,6 % des étudiants du cours CS 61A ont obtenu ce printemps 2026 un F (pour « failure », échec), soit la plus mauvaise note du système de notation états-unien, réservée aux travaux considérés comme irrecevables ou éliminatoires.
À titre de comparaison, aux printemps 2024 et 2025, le pourcentage de F avait baissé, passant de 9,1 à 6,8 % pour le premier cours, de 5 à 3,8 % pour le second. Une explosion (de respectivement + 419 % et + 179 %) d’autant plus problématique que les directives de notation avancent que 7 % des étudiants des cours de premier cycle, dont font partie les cours CS 10 et CS 61A, devraient obtenir des notes D et F.
Les directives précisent en outre qu’« une moyenne générale typique pour un cours de premier cycle se situe entre 2,8 et 3,3 ». Au printemps 2026, la moyenne des notes des deux classes était de C+, ce qui correspond à une moyenne générale de 2,3.
Le cours EECS 127 intitulé « Modèles d’optimisation en ingénierie » a de son côté enregistré ce printemps 2026 un taux d’échec (F) de 16,8 %, bien supérieur aux 5 % de notes D et F que le département EECS qualifie de « typiques » pour un cours de ce type, et alors qu’il était pourtant passé de 2,5 à 1,5 % entre 2024 et 2025, soit une explosion de + 1 020 % cette année.
Dan Garcia, qui a enseigné au printemps 2026 les cours CS 10 et CS 61A, estime que le « principal facteur » de ces taux d’échec anormalement élevés est dû à une « forte augmentation de la malhonnêteté académique » résultant de l’utilisation par les étudiants de grands modèles linguistiques, tels que Claude, ChatGPT et Google Gemini.
Garcia précise que près de 30 étudiants du cours CS 10 ont ainsi été « surpris en train de tricher lors d’examens à faire à la maison » au printemps 2026 (l’article ne précise pas combien d’étudiants devaient passer l’examen) :
« Certains des chiffres que vous avez vus concernant le nombre d’étudiants ayant échoué s’expliquent par le fait que nous les avons surpris en train de tricher, que nous avons engagé des poursuites à leur encontre et que nous avons transmis leurs dossiers au Centre de déontologie étudiante. »
« Mais dans d’autres cas, ce sont des étudiants qui s’appuient un peu trop sur les modèles de langage (LLM) pour faire le travail à leur place, et qui, au moment des examens, ne sont tout simplement pas prêts », poursuit-il.
M. Garcia estime également que de nombreux étudiants présentaient des lacunes en mathématiques, une préoccupation partagée par Gireeja Ranade, professeure associée d’Electrical Engineering and Computer Science, en charge du cours EECS 127.
Elle s’est rendu compte que de nombreux étudiants avaient des difficultés en algèbre linéaire, et a été surprise de découvrir qu’un étudiant lui a confié que le cours d’algèbre linéaire qu’il avait suivi à Berkeley appliquait une « politique d’accès libre à Internet et à l’IA » pour les devoirs et les examens.
Alors que les permanences étaient autrefois « bondées », Ranade, Garcia et leurs assistants ont en outre constaté ce semestre une « très faible participation » des étudiants en cours, bien qu’ils aient régulièrement encouragé les étudiants à y assister.
« Avant, j’avais toujours des permanences bien remplies, et pour la première fois, personne ne venait me voir », s’étonne Garcia : « C’était tellement surprenant de me retrouver seul dans mon bureau. »
Garcia prévoit de discuter de ce qui s’est passé ce printemps 2026 avec ses étudiants dès les premiers jours de leurs futures classes, et de chercher à identifier les élèves ayant besoin de soutien supplémentaire.
Mme Ranade estime pour sa part que les professeurs devraient enseigner « davantage, et non moins » aux étudiants à l’ère de l’IA, de sorte qu’ils acquièrent les capacités de réflexion critique et d’analyse nécessaires pour devenir des leaders capables de s’imposer «dans un monde très concurrentiel ».
Les deux professeurs ont souligné la nécessité pour les étudiants de se sentir plus à l’aise face à des problèmes complexes.
Comme le résume @HedgieMarkets sur X.com, le marché du travail s’effondre en aval et en amont, sous couvert des profits et économies que permettrait l’IA :
« Les ingénieurs chevronnés sont licenciés pour financer les dépenses liées à l’IA. Les ingénieurs débutants sortent de l’université sans les compétences nécessaires, car l’IA s’est chargée de leurs cours. Et les entreprises qui dépensent des milliards dans ces outils n’ont pas encore fait le lien entre ces deux réalités. »
Alors que le contexte géopolitique place la souveraineté numérique au cœur des débats et que la doctrine française en matière d'achats numériques priorise désormais clairement les acteurs français et européens, Numerama est allé à la rencontre des dirigeants qui composent l'écosystème tech souverain français pour retracer leurs aventures et analyser les défis actuels.
Dans un billet de blog publié le 4 juin 2026, les chercheurs en sécurité de Sansec racontent comment des pirates informatiques sont parvenus à détourner Stripe pour en faire leur propre infrastructure de vol de données bancaires.
L’intégration de la fonction Name Tag est déjà en cours dans l’application Meta AI. Celle-ci doit permettre la reconnaissance faciale via les lunettes connectées de l’entreprise. La communication de l’entreprise vis-à-vis de la fonctionnalité intrusive reste ambivalente.
Meta a discrètement intégré du code dans son application Meta AI pour activer la reconnaissance faciale dans ses lunettes connectées, dont les modèles créés en collaboration avec Ray-Ban et Oakley.
En février, on apprenait que l’entreprise de Mark Zuckerberg réfléchissait à une fonctionnalité de ce genre baptisée « Name Tag ». Un mémo datant de janvier 2025 analysait de façon assez cynique que le lancement pourrait bénéficier « d’une période de contexte politique dynamique » dans laquelle les personnes critiques envers ce genre de fonctionnalités « auront concentré leurs ressources sur d’autres préoccupations ».
Mais Wired a pu découvrir que, depuis janvier dernier, plusieurs mises à jour de l’application Meta AI ont permis à l’entreprise d’y ajouter du code implémentant « Name Tag » petit à petit. Nos confrères affirment que des « composants essentiels du système » ont été intégrés dans l’application distribuée à des millions de personnes qui est nécessaire à l’utilisation des lunettes connectées de Meta.
Dès qu’elle sera activée, la fonction « Name Tag » pourra comparer tous les visages passant devant les lunettes à une base de données d’ « empreintes faciales » qui sera stockée sur le téléphone de l’utilisateur. La reconnaissance d’un visage entrainera des notifications à l’utilisateur tandis qu’un nouveau visage sera automatiquement indexé dans cette base dans un dossier « en attente ».
Le code du système « Name Tag » qu’a pu analyser Wired peut aussi récupérer des empreintes faciales depuis les serveurs de Meta et les stocker sur les appareils des utilisateurs afin d’alimenter cette base d’empreintes faciales.
Selon l’analyse du code, Meta a découpé la fonctionnalité « Name Tag » en trois : un modèle détecte les visages, une autre partie du code les recadre et enfin une troisième permet de les convertir en données biométriques. Les premières esquisses de l’interface graphique baptiseraient la fonction du nom « Connections » et proposeraient aux utilisateurs des lunettes Meta de « se souvenir des personnes qu’ils ont rencontrées ».
L’Electronic Frontier Foundation (EFF) confirme l’analyse de nos confrères. L’ONG ajoute que la fonctionnalité mise en place par Meta « enregistre les empreintes faciales sous la forme d’une série de 2 048 nombres représentant de manière unique la disposition des traits du visage d’une personne ». « Lorsque cette fonctionnalité est activée, elle convertit chaque nouveau visage capté par les lunettes de surveillance en une série de nombres, puis la compare à toutes les empreintes faciales existantes dans la base de données de l’utilisateur », explique-t-elle.
L’EFF déplore que « malgré les innombrables raisons de ne pas le faire, Meta semble avoir mis en place les moyens de transformer ses clients en une machine de surveillance décentralisée ». Elle ajoute que « c’est une raison de plus de bien réfléchir avant d’acheter ou d’utiliser les lunettes de surveillance de Meta ».
« En intégrant la technologie dans l’écosystème, on établit des normes et des standards », explique l’ancien responsable de l’encadrement des pratiques chez Meta Reality Labs, Joseph Jerome. « Je ne vois pas comment Meta pourrait déployer une technologie comme celle-ci de manière responsable », ajoute-t-il.
En avril dernier, plus de soixante-dix associations dédiées à la défense des libertés numériques ou à la lutte pour les droits des femmes et des minorités signaient une lettre ouverte contre l’intégration de la reconnaissance faciale dans les lunettes connectées de Meta à destination de Mark Zuckerberg. À l’époque, l’entreprise assurait :« Nos concurrents proposent ce type de produit de reconnaissance faciale, ce qui n’est pas notre cas. Si nous devions lancer une telle fonctionnalité, nous adopterions une approche très réfléchie avant de la déployer ».
Face aux révélations de nos confrères, Meta assure maintenant : « les faits sont simples : nous avons déjà indiqué que nous étudiions ce type de fonctionnalités, et ce que vous voyez n’est que la preuve de cette exploration ». L’entreprise ajoute : « rien n’a encore été mis à la disposition des utilisateurs et aucune décision définitive n’a été prise quant à la suite à donner, le cas échéant. Si nous décidons de déployer une telle fonctionnalité, nous adopterons une approche réfléchie et le ferons en toute transparence. Une chose est sûre : nous ne sommes pas en train de créer une base de données centrale de visages ».
Rappelons qu’en 2021, Meta avait annoncé l’abandon de la reconnaissance faciale. Elle expliquait à l’époque devoir « peser l’utilisation positive de la reconnaissance faciale par rapport aux préoccupations sociétales croissantes, d’autant plus que les régulateurs n’ont pas encore défini de règles claires ».
En France, la CNIL faisait encore part récemment de ses craintes sur l’utilisation des lunettes connectées et les risques majeurs qu’elles présentent pour la vie privée.
L’intégration de la fonction Name Tag est déjà en cours dans l’application Meta AI. Celle-ci doit permettre la reconnaissance faciale via les lunettes connectées de l’entreprise. La communication de l’entreprise vis-à-vis de la fonctionnalité intrusive reste ambivalente.
Meta a discrètement intégré du code dans son application Meta AI pour activer la reconnaissance faciale dans ses lunettes connectées, dont les modèles créés en collaboration avec Ray-Ban et Oakley.
En février, on apprenait que l’entreprise de Mark Zuckerberg réfléchissait à une fonctionnalité de ce genre baptisée « Name Tag ». Un mémo datant de janvier 2025 analysait de façon assez cynique que le lancement pourrait bénéficier « d’une période de contexte politique dynamique » dans laquelle les personnes critiques envers ce genre de fonctionnalités « auront concentré leurs ressources sur d’autres préoccupations ».
Mais Wired a pu découvrir que, depuis janvier dernier, plusieurs mises à jour de l’application Meta AI ont permis à l’entreprise d’y ajouter du code implémentant « Name Tag » petit à petit. Nos confrères affirment que des « composants essentiels du système » ont été intégrés dans l’application distribuée à des millions de personnes qui est nécessaire à l’utilisation des lunettes connectées de Meta.
Dès qu’elle sera activée, la fonction « Name Tag » pourra comparer tous les visages passant devant les lunettes à une base de données d’ « empreintes faciales » qui sera stockée sur le téléphone de l’utilisateur. La reconnaissance d’un visage entrainera des notifications à l’utilisateur tandis qu’un nouveau visage sera automatiquement indexé dans cette base dans un dossier « en attente ».
Le code du système « Name Tag » qu’a pu analyser Wired peut aussi récupérer des empreintes faciales depuis les serveurs de Meta et les stocker sur les appareils des utilisateurs afin d’alimenter cette base d’empreintes faciales.
Selon l’analyse du code, Meta a découpé la fonctionnalité « Name Tag » en trois : un modèle détecte les visages, une autre partie du code les recadre et enfin une troisième permet de les convertir en données biométriques. Les premières esquisses de l’interface graphique baptiseraient la fonction du nom « Connections » et proposeraient aux utilisateurs des lunettes Meta de « se souvenir des personnes qu’ils ont rencontrées ».
L’Electronic Frontier Foundation (EFF) confirme l’analyse de nos confrères. L’ONG ajoute que la fonctionnalité mise en place par Meta « enregistre les empreintes faciales sous la forme d’une série de 2 048 nombres représentant de manière unique la disposition des traits du visage d’une personne ». « Lorsque cette fonctionnalité est activée, elle convertit chaque nouveau visage capté par les lunettes de surveillance en une série de nombres, puis la compare à toutes les empreintes faciales existantes dans la base de données de l’utilisateur », explique-t-elle.
L’EFF déplore que « malgré les innombrables raisons de ne pas le faire, Meta semble avoir mis en place les moyens de transformer ses clients en une machine de surveillance décentralisée ». Elle ajoute que « c’est une raison de plus de bien réfléchir avant d’acheter ou d’utiliser les lunettes de surveillance de Meta ».
« En intégrant la technologie dans l’écosystème, on établit des normes et des standards », explique l’ancien responsable de l’encadrement des pratiques chez Meta Reality Labs, Joseph Jerome. « Je ne vois pas comment Meta pourrait déployer une technologie comme celle-ci de manière responsable », ajoute-t-il.
En avril dernier, plus de soixante-dix associations dédiées à la défense des libertés numériques ou à la lutte pour les droits des femmes et des minorités signaient une lettre ouverte contre l’intégration de la reconnaissance faciale dans les lunettes connectées de Meta à destination de Mark Zuckerberg. À l’époque, l’entreprise assurait :« Nos concurrents proposent ce type de produit de reconnaissance faciale, ce qui n’est pas notre cas. Si nous devions lancer une telle fonctionnalité, nous adopterions une approche très réfléchie avant de la déployer ».
Face aux révélations de nos confrères, Meta assure maintenant : « les faits sont simples : nous avons déjà indiqué que nous étudiions ce type de fonctionnalités, et ce que vous voyez n’est que la preuve de cette exploration ». L’entreprise ajoute : « rien n’a encore été mis à la disposition des utilisateurs et aucune décision définitive n’a été prise quant à la suite à donner, le cas échéant. Si nous décidons de déployer une telle fonctionnalité, nous adopterons une approche réfléchie et le ferons en toute transparence. Une chose est sûre : nous ne sommes pas en train de créer une base de données centrale de visages ».
Rappelons qu’en 2021, Meta avait annoncé l’abandon de la reconnaissance faciale. Elle expliquait à l’époque devoir « peser l’utilisation positive de la reconnaissance faciale par rapport aux préoccupations sociétales croissantes, d’autant plus que les régulateurs n’ont pas encore défini de règles claires ».
En France, la CNIL faisait encore part récemment de ses craintes sur l’utilisation des lunettes connectées et les risques majeurs qu’elles présentent pour la vie privée.
La Linux Foundation a annoncé son intention de lancer la Tokenomics Foundation, une nouvelle fondation dédiée à l'établissement de normes ouvertes pour l'économie de l'infrastructure IA.
L’application shopping d’Amazon propose à ses utilisateurs, non pas des images de produits existants correspondant aux mots-clefs recherchés, mais des images générées par IA, évoluant et s’affinant à chaque mot ajouté.
Amazon vient d’annoncer 8 nouvelles « fonctionnalités intuitives » de recherche visuelle dans son application mobile de shopping. Trois d’entre elles, censées « permettre d’effectuer des recherches de produits plus rapides et plus précises », et rendre l’utilisation de son application de shopping « plus ludique », reposent sur l’IA générative.
« La toute nouvelle fonctionnalité de recherche basée sur l’IA d’Amazon permet de faire le lien entre l’imagination et la découverte de produits directement dans la barre de recherche de l’application Amazon Shopping », souligne Mihir Bhanot, directeur d’Amazon Search :
« Notre toute nouvelle fonctionnalité de recherche génère des images par IA en temps réel à mesure que les clients décrivent ce qu’ils ont en tête dans la barre de recherche, donnant ainsi vie à leur vision au fur et à mesure qu’ils la saisissent, la visualisent et effectuent leurs achats. »
C’est peu dire que la presse spécialisée ne semble guère emballée. TechCrunch évoque « ce qui pourrait être l’une des utilisations les plus discutables de l’IA à ce jour », 9to5google «l’une des plus absurdes », qui « n’a pas de sens ». Amazon «invente des produits générés par l’IA que l’on ne pourra pas acheter », ironise The Verge.
« C’est quand même un peu dingue qu’un commerçant invente de faux produits pour orienter les utilisateurs vers certains résultats de recherche », résume TechCrunch :
« Pour commencer, cela peut prêter à confusion : les clients qui ne lisent pas attentivement pourraient croire qu’ils sont redirigés vers une page où ils trouveront exactement cette robe, puis être déçus de constater qu’elle n’est pas disponible. Et puis, on peut se demander pourquoi inventer des images de produits alors que votre site regorge de photos réelles de produits réels — ce qui est sans doute ce que les acheteurs en ligne souhaitent réellement voir. »
« En plus d’être extrêmement gaspilleuse en termes d’utilisation des ressources de l’IA, l’idée de générer de fausses images de produits lors d’une recherche semble tout simplement ridiculement stupide », plussoie 9to5google :
« Les gens se rendent sur Amazon pour acheter de vrais produits physiques ; il est donc totalement absurde qu’une IA se serve de leur recherche pour créer des choses qui n’existent pas. »
Amazon précise que ses clients peuvent en profiter dès aujourd’hui lorsqu’ils recherchent des articles dans les catégories « Mode » et « Maison », mais que d’autres catégories seront progressivement ajoutées.
Ce recours à l’IA générative est d’autant plus absurde que ces images GenAI ne sont pas générées après que les mots-clefs recherchés ont été entrés dans le formulaire, à la manière d’un prompt, mais au fur et à mesure, conduisant à générer bien plus d’images qu’il n’en faut, à la volée, comme le souligne le communiqué d’Amazon lui-même, et le .gif associé :
« Désormais, lorsque les clients recherchent des produits en utilisant des termes descriptifs – tels que la couleur, la texture ou le motif –, des images générées par l’IA apparaissent instantanément dans les suggestions situées sous la barre de recherche, évoluant et s’affinant à chaque mot ajouté. »
Dit autrement : non content de ne pas correspondre à des produits existants, la quasi-totalité des images générées par IA ne serviront à rien… sauf à ce qu’Amazon les stocke quelque part et trouve un moyen de les réutiliser et rentabiliser.
L’entreprise vante elle-même le fait que ces images soient « générées par IA en temps réel », ce qui est d’autant plus absurde (et coûteux) qu’Amazon aurait tout aussi bien pu se contenter d’utiliser des images préalablement stockées dans une base de données et associées à tels ou tels mots-clefs, plutôt que générées à la volée, à chaque fois, la plupart du temps pour rien.
On peut aussi s’interroger quant à la pertinence d’utiliser des images générées par IA plutôt que des images de produits existants. À part pour lancer une « nouvelle fonctionnalité » surfant sur le buzzword « généré par IA ».
Pour rappel, des salariés d’Amazon en étaient récemment arrivés à brûler des tokens pour se faire bien voir, une pratique qualifiée de « tokenmaxxing », au point que l’entreprise vient de fermer le classement encensant ceux qui en dépensaient le plus.
The Verge relève cela dit que Google avait lui aussi lancé l’an passé une fonctionnalité similaire, qui génère des images de tenues et de décorations fictives pour aider ses utilisateurs à trouver des produits ressemblants.
En commentaire, un lecteur qualifie l’idée de « géniale parce que si les gens détestent suffisamment ça, ils commenceront à faire leurs achats dans des magasins physiques, sauvant ainsi nos centres commerciaux locaux ».
L’application shopping d’Amazon propose à ses utilisateurs, non pas des images de produits existants correspondant aux mots-clefs recherchés, mais des images générées par IA, évoluant et s’affinant à chaque mot ajouté.
Amazon vient d’annoncer 8 nouvelles « fonctionnalités intuitives » de recherche visuelle dans son application mobile de shopping. Trois d’entre elles, censées « permettre d’effectuer des recherches de produits plus rapides et plus précises », et rendre l’utilisation de son application de shopping « plus ludique », reposent sur l’IA générative.
« La toute nouvelle fonctionnalité de recherche basée sur l’IA d’Amazon permet de faire le lien entre l’imagination et la découverte de produits directement dans la barre de recherche de l’application Amazon Shopping », souligne Mihir Bhanot, directeur d’Amazon Search :
« Notre toute nouvelle fonctionnalité de recherche génère des images par IA en temps réel à mesure que les clients décrivent ce qu’ils ont en tête dans la barre de recherche, donnant ainsi vie à leur vision au fur et à mesure qu’ils la saisissent, la visualisent et effectuent leurs achats. »
C’est peu dire que la presse spécialisée ne semble guère emballée. TechCrunch évoque « ce qui pourrait être l’une des utilisations les plus discutables de l’IA à ce jour », 9to5google «l’une des plus absurdes », qui « n’a pas de sens ». Amazon «invente des produits générés par l’IA que l’on ne pourra pas acheter », ironise The Verge.
« C’est quand même un peu dingue qu’un commerçant invente de faux produits pour orienter les utilisateurs vers certains résultats de recherche », résume TechCrunch :
« Pour commencer, cela peut prêter à confusion : les clients qui ne lisent pas attentivement pourraient croire qu’ils sont redirigés vers une page où ils trouveront exactement cette robe, puis être déçus de constater qu’elle n’est pas disponible. Et puis, on peut se demander pourquoi inventer des images de produits alors que votre site regorge de photos réelles de produits réels — ce qui est sans doute ce que les acheteurs en ligne souhaitent réellement voir. »
« En plus d’être extrêmement gaspilleuse en termes d’utilisation des ressources de l’IA, l’idée de générer de fausses images de produits lors d’une recherche semble tout simplement ridiculement stupide », plussoie 9to5google :
« Les gens se rendent sur Amazon pour acheter de vrais produits physiques ; il est donc totalement absurde qu’une IA se serve de leur recherche pour créer des choses qui n’existent pas. »
Amazon précise que ses clients peuvent en profiter dès aujourd’hui lorsqu’ils recherchent des articles dans les catégories « Mode » et « Maison », mais que d’autres catégories seront progressivement ajoutées.
Ce recours à l’IA générative est d’autant plus absurde que ces images GenAI ne sont pas générées après que les mots-clefs recherchés ont été entrés dans le formulaire, à la manière d’un prompt, mais au fur et à mesure, conduisant à générer bien plus d’images qu’il n’en faut, à la volée, comme le souligne le communiqué d’Amazon lui-même, et le .gif associé :
« Désormais, lorsque les clients recherchent des produits en utilisant des termes descriptifs – tels que la couleur, la texture ou le motif –, des images générées par l’IA apparaissent instantanément dans les suggestions situées sous la barre de recherche, évoluant et s’affinant à chaque mot ajouté. »
Dit autrement : non content de ne pas correspondre à des produits existants, la quasi-totalité des images générées par IA ne serviront à rien… sauf à ce qu’Amazon les stocke quelque part et trouve un moyen de les réutiliser et rentabiliser.
L’entreprise vante elle-même le fait que ces images soient « générées par IA en temps réel », ce qui est d’autant plus absurde (et coûteux) qu’Amazon aurait tout aussi bien pu se contenter d’utiliser des images préalablement stockées dans une base de données et associées à tels ou tels mots-clefs, plutôt que générées à la volée, à chaque fois, la plupart du temps pour rien.
On peut aussi s’interroger quant à la pertinence d’utiliser des images générées par IA plutôt que des images de produits existants. À part pour lancer une « nouvelle fonctionnalité » surfant sur le buzzword « généré par IA ».
Pour rappel, des salariés d’Amazon en étaient récemment arrivés à brûler des tokens pour se faire bien voir, une pratique qualifiée de « tokenmaxxing », au point que l’entreprise vient de fermer le classement encensant ceux qui en dépensaient le plus.
The Verge relève cela dit que Google avait lui aussi lancé l’an passé une fonctionnalité similaire, qui génère des images de tenues et de décorations fictives pour aider ses utilisateurs à trouver des produits ressemblants.
En commentaire, un lecteur qualifie l’idée de « géniale parce que si les gens détestent suffisamment ça, ils commenceront à faire leurs achats dans des magasins physiques, sauvant ainsi nos centres commerciaux locaux ».
Dans un article publié le 3 juin 2026, des chercheurs de SafeBreach ont prouvé comment de simples notifications pouvaient suffire à manipuler Google Gemini. En exploitant le résumé vocal des messages, ils sont notamment parvenus à injecter des instructions invisibles, capables de tromper l’utilisateur à son insu.
Promettant d’afficher « le meilleur des informations en ligne », jusque dans son widget Actualités présent sur tous les PC Windows, MSN a une curieuse ligne éditoriale. Le portail de Microsoft recommande en effet des vidéos complotistes, survalorise CNews, et rémunère de nombreux médias qui ont remplacé (ou dopé) leurs journalistes et rédacteurs par des IA, en violation de ses propres lignes directrices.
En 2020, Microsoft avait licencié les équipes éditoriales américaine et britannique de ses portails d’actualité MSN, soit près de 80 journalistes, et confié le travail de curation à des intelligences artificielles, rapportait alors Le Figaro.
Sur sa page « Qui sommes-nous? », MSN explique aujourd’hui travailler avec plus de 1 300 éditeurs de presse représentant plus de 4 500 marques dans les principaux pays du globe (mais sans préciser combien par pays, ni donc en France), afin de « regrouper les meilleures actualités, vidéos, photos et autres contenus et les diffuser gratuitement à toute personne dans le monde entier » :
« Nous pensons qu’une presse gratuite et bien financée est un élément essentiel de notre tissu social et nous sommes fiers de nous associer aux meilleures marques de contenus au monde, offrant un modèle commercial qui donne aux gens l’accès à une information fiable et fournit une source de revenus durable pour nos partenaires. »
MSN y précise aussi que « chaque jour, nos algorithmes évaluent des centaines de milliers de contenus envoyés par nos partenaires ». Une curation combinée à « une modération humaine pour garantir que le contenu que nous vous proposons corresponde à nos valeurs et que les informations à ne pas manquer figurent toujours en bonne position ».
MSN, qui sert de page d’accueil sur Edge (le navigateur « par défaut » de Microsoft), et affiche sur tous les ordinateurs dotés du système d’exploitation Windows un widget Actualités les « dernières manchettes de sources de confiance », explique vouloir afficher « le meilleur des informations en ligne ».
Voire. La page de présentation de MSN (archive) se conclut par un recensement des membres de sa « direction des contenus ». Or, Taroon Mandhana ne travaille plus pour Microsoft depuis 2022, Jamil Valliani depuis 2023, Sally Salas et Ming Ye depuis 2024.
MSN est également truffé de vidéos conspirationnistes, tout en ne partageant majoritairement, pour ce qui est de l’actualité politique, que les vidéos de CNews, l’ex-chaîne d’information devenue média d’opinion du groupe Bolloré.
Le 3 juin 2026, Google Labs a lancé Dreambeans, une application expérimentale qui fouille vos mails, votre agenda et votre historique YouTube pendant que vous dormez pour vous livrer chaque matin une sélection d'histoires illustrées par IA.
À la conférence Build 2026, Satya Nadella a frappé fort en affirmant que ses futurs data centers IA ne consommeraient pas plus d'eau à l'année qu'un simple restaurant de quartier. Une promesse de circuit fermé qui cherche à rassurer face à la « soif » de l'IA générative.
Face à l'explosion de l'IA et aux coups de pression géopolitiques mondiaux, l'Europe accélère sa mue industrielle. La Commission a dévoilé le Chips Act 2.0 : une mise à jour stratégique taillée pour libérer la production de puces souveraines, connecter les usines et briser les dépendances technologiques.
À la conférence Build 2026, Satya Nadella a frappé fort en affirmant que ses futurs data centers IA ne consommeraient pas plus d'eau à l'année qu'un simple restaurant de quartier. Une promesse de circuit fermé qui cherche à rassurer face à la « soif » de l'IA générative.
Alors que le mouvement de défense des droits des joueuses et des joueurs et de la préservation des jeux vidéo Stop Killing Games bat son plein, un texte de loi visant à empêcher la disparition totale des jeux achetés progresse en Californie.
Le 31 mai 2026, des milliers d'utilisateurs de Dashlane ont reçu des mails de vérification qu'ils n'avaient jamais demandés. Certains se sont retrouvés bloqués hors de leur compte. L'entreprise française a depuis confirmé avoir subi une attaque par force brute, et reconnu que les coffres-forts chiffrés d'une vingtaine d'utilisateurs ont été copiés.
D'après le site américain Media 404, des hackers seraient parvenus à détourner le chatbot d’assistance de Meta pour prendre le contrôle de comptes Instagram. Une faille simple, basée sur la fragilité des gardes-fous de l'IA.
Connexion