Selon des informations rapportées dans la presse américaine, l’entreprise xAI, associée à Elon Musk, ferait fonctionner près de 50 turbines à gaz naturel dans son centre de données du Mississippi. Le dossier soulève un débat sur la manière dont les règles environnementales sont appliquées, notamment à cause d’un régime réglementaire jugé contournable.

Des turbines qualifiées de « mobiles » pour échapper à une partie des règles

Dans l’État du Mississippi, les installations seraient considérées comme « mobiles » du fait qu’elles sont montées sur des remorques (plateaux). Cette qualification permettrait, selon la lecture du dispositif local, de ne pas appliquer certaines exigences de contrôle liées à la pollution de l’air pendant une période d’un an.

L’association NAACP, qui a engagé une procédure en justice au nom de riverains, affirme que les émissions liées à ces turbines aggraveraient la qualité de l’air dans une zone décrite comme déjà fortement exposée. Dans sa demande, elle sollicite un ordre d’urgence afin de stopper ce qu’elle présente comme une pollution illégale.

Le désaccord porte sur la définition de l’installation

Au cœur du litige figure la notion de « stationnaire ». Les arguments avancés par le camp des plaignants indiquent que des équipements installés sur une remorque peuvent, malgré leur support, rester assimilables à des installations fixes au regard du droit fédéral relatif aux émissions industrielles.

Le camp adverse, de son côté, s’appuie sur des permis et des classifications permettant, selon leur interprétation, la mise en service d’une partie des générateurs. La contestation porte donc moins sur l’existence des équipements que sur le statut réglementaire retenu et sur la conformité de leur exploitation.

Permis partiels et extension progressive des équipements

D’après les éléments rendus publics, xAI aurait obtenu des autorisations pour une partie des turbines installées dans la région. En parallèle, des indications locales font état d’une poursuite du déploiement au fil du temps, avec un nombre d’unités en fonctionnement qui dépasserait la quarantaine.

Ce type de configuration, où des capacités de production sont ajoutées pour soutenir des activités énergivores, met souvent en tension les besoins opérationnels et les contraintes environnementales. La procédure judiciaire en cours pourrait ainsi clarifier, pour ce site, la portée exacte de règles fédérales et l’interprétation de la notion d’installation mobile.

Enjeux pour l’air et la conformité environnementale

Au-delà de la dimension juridique, l’enjeu concerne la surveillance des émissions et la capacité des autorités à exiger des contrôles adaptés. Si la qualification « mobile » est jugée insuffisante pour échapper à certaines obligations, l’exploitant pourrait être amené à revoir ses pratiques, ses permis ou le calendrier de mise en service.

À titre de repère, les installations de production d’électricité à partir de gaz naturel peuvent générer des polluants atmosphériques dont l’impact local dépend fortement des niveaux d’émission, de la fréquence de fonctionnement et des conditions météorologiques. Dans les débats publics, les mécanismes de mesure et de transparence deviennent alors centraux.

Pour le grand public, l’enjeu se traduit aussi par l’accès à des moyens de suivi. Certains utilisateurs se tournent vers des solutions de capteurs de qualité de l’air mesurant notamment les particules fines (PM2.5) afin d’observer les variations locales, même si ces dispositifs ne remplacent pas les relevés réglementaires.

Les professionnels s’intéressent également à des outils de surveillance plus complets, par exemple des systèmes de collecte de données environnementales comme des stations météo dotées de capteurs de qualité de l’air, utiles pour contextualiser les observations (vent, humidité, dispersion).

Le drone solaire Skydweller, aperçu dans le ciel au large de la région de Cancun (Mexique) durant les premières heures du 4 mai, a finalement sombré après une tentative de retour en sécurité. L’appareil, conçu pour voler sur de longues durées grâce à l’énergie solaire, avait auparavant franchi un cap historique : huit jours et quatorze minutes en vol, un record de durée pour un drone à énergie solaire.

Un vol de longue durée couronné par un record

Selon la société à l’origine du prototype, l’appareil a effectué un « amerrissage contrôlé » vers 6 h 30 (heure de l’Est). Malgré cette manœuvre annoncée comme maîtrisée, le drone a ensuite coulé, en raison de sa structure composite, présentée comme non flottante. Quand l’appareil a disparu sous la surface, il avait déjà démontré une capacité de persistance exceptionnelle, dépassant les performances précédemment observées pour des avions habités et des drones.

La mission visait notamment à valider l’utilité opérationnelle d’un aéronef solaire, capable de rester en altitude longtemps, à un niveau intermédiaire. Même si la perte en mer clôt l’expérience, les étapes antérieures du vol risquent de marquer durablement l’histoire de l’aviation solaire.

Le précédent d’aviation solaire et les ambitions futures

Le record de durée du drone s’inscrit dans la continuité des progrès réalisés dans ce domaine. En 2015-2016, Solar Impulse 2 avait établi un repère majeur en effectuant un tour du monde grâce à l’énergie solaire, avec à la clé un record de durée sur un avion solaire piloté en solo. L’actualité du Skydweller ravive ainsi l’intérêt pour les plateformes solaires destinées à des missions de surveillance ou de télécommunications, notamment grâce à leur autonomie relative.

Une perte qui complique la valorisation du prototype

La disparition de l’appareil a également des conséquences pratiques. Un accord initial prévoyait la mise en exposition d’un prototype historique dans un musée en Suisse ; l’accident empêche cette perspective, sauf opération de récupération ultérieure. En l’état, l’événement illustre la difficulté d’aboutir à une démonstration complète : réussir un vol record ne garantit pas la fin de mission, notamment quand l’environnement et les contraintes mécaniques interviennent.

Vers des améliorations de conception

La société indique ne pas disposer immédiatement d’un autre prototype prêt à remplacer le drone perdu. En revanche, l’entreprise évoque des mises à niveau reposant sur des technologies déjà existantes afin de mieux résister à des conditions météorologiques extrêmes. L’enjeu, pour ce type d’appareil, est de réduire la vulnérabilité de la structure et d’anticiper des scénarios de récupération ou de mise en sécurité.

Dans un contexte où les drones deviennent un élément central des stratégies militaires, ces expérimentations, même interrompues, nourrissent la réflexion sur la persistance, la fiabilité et l’adaptation aux contraintes réelles. Pour les passionnés et les professionnels qui suivent ces avancées, un kit de télémétrie et d’analyse de données pour drones peut aussi aider à comprendre comment les vols sont surveillés en temps réel et comment on interprète les phases critiques.

À côté des systèmes de contrôle et de télémétrie, l’optimisation des cellules et des surfaces énergétiques reste un sujet majeur. Un jeu de panneaux solaires à haut rendement pour projets légers est une autre piste souvent explorée pour les expérimentations civiles et éducatives.

Notion, connu pour son espace de travail collaboratif et ses fonctionnalités d’IA, élargit son positionnement en lançant une plateforme de développement pensée pour les agents artificiels. Objectif : permettre aux équipes d’orchestrer des actions multi-outils et d’intégrer des données externes directement dans leur environnement Notion.

La société présente sa nouvelle approche comme une évolution majeure : Notion ne se limite plus à un logiciel de prise de notes enrichi d’IA, mais cherche à devenir un point de convergence entre agents, code sur mesure et sources de données.

Une “couche d’orchestration” pour coordonner l’IA

Le cœur de l’annonce repose sur une couche d’orchestration destinée à coordonner le travail de l’IA entre plusieurs outils et différentes sources de données. Dans cette logique, agents et utilisateurs peuvent collaborer plus directement, tout en déclenchant des tâches automatisées enchaînées sur plusieurs étapes, avec des informations actualisées.

Workers : exécuter du code dans un environnement sécurisé

Notion introduit des Workers, un environnement cloud permettant d’exécuter du code personnalisé dans un cadre isolé. Le but est de donner aux équipes la possibilité de développer une logique propre, sans dépendre d’une infrastructure externe pour certaines automatisations.

Concrètement, ces Workers peuvent servir à :

• syncer des données depuis des systèmes tiers vers des bases Notion via des interfaces d’accès (API)
• créer des outils internes intégrant des règles spécifiques
• déclencher des actions grâce à des webhooks, lorsque des événements surviennent dans d’autres applications

Notion indique aussi qu’il n’est pas nécessaire d’écrire tout le code manuellement : des agents de génération de code peuvent contribuer à produire la logique à partir des besoins formulés.

Synchronisation de bases et “canvas” de données

La plateforme intègre également une fonctionnalité de synchronisation de bases reposant sur les Workers. L’ambition affichée est d’alimenter les bases Notion à partir de n’importe quel système exposant une API, afin de conserver des données à jour.

Cette approche vise à transformer les bases Notion en un support central exploitable à la fois pour les workflows et pour les agents, selon la logique d’un “espace de travail” connecté aux outils déjà utilisés dans l’entreprise.

Outils d’agents : intégration d’outils tiers et gestion du travail

Au-delà de la donnée, Notion ajoute des mécanismes pour créer des outils d’agents avec une logique personnalisée. Lorsque des intégrations standard via MCP ne suffisent pas, les équipes peuvent développer leurs propres connecteurs.

Notion annonce aussi une capacité permettant de discuter directement avec des agents externes, de leur confier des tâches et de suivre leur progression dans l’interface Notion, comme s’il s’agissait d’agents internes. L’entreprise cite plusieurs agents partenaires au lancement, et indique vouloir étendre la liste.

Une plateforme plus “programmable” que l’application

Cette initiative s’inscrit dans une tendance plus large : passer des chatbots à des solutions capables d’exécuter des actions dans différents logiciels. En proposant une combinaison d’agents, de code et de données synchronisées, Notion se positionne comme une infrastructure d’automatisation orientée “workflows” et “systèmes internes” plutôt que comme un simple outil de productivité.

Pour les développeurs, l’interaction avec la plateforme passe notamment par un outil en ligne de commande (CLI), disponible selon les plans destinés aux organisations.

Repères pour les équipes

Pour évaluer l’intérêt de cette plateforme, les entreprises peuvent se concentrer sur trois points : la facilité d’intégration avec leurs systèmes existants, la capacité à exécuter une logique sur mesure de façon sécurisée, et la manière dont les agents s’insèrent dans les processus de travail (suivi, déclenchement, enchaînement d’étapes).

Côté équipement, les équipes qui testent des automatisations peuvent aussi s’appuyer sur des outils de développement et d’administration adaptés. Par exemple, un ordinateur portable performant comme le Lenovo ThinkPad X1 Carbon peut être utile pour travailler confortablement sur des projets de scripting et d’intégration. Pour le versioning et la collaboration autour du code, un service ou une plateforme bien structurée (par exemple via un abonnement à un outil de productivité tel que le Microsoft 365 Business Standard) reste souvent un complément pratique selon les habitudes internes.

La conférence Physical AI Conference fait étape à San Jose en mai, avec l’ambition de traiter un sujet devenu central dans l’industrie : la mise en production d’une intelligence artificielle capable d’agir dans le monde réel. Pensée pour les ingénieurs et les acteurs du déploiement, la rencontre mettra l’accent sur la robotique, les systèmes autonomes et les fondations techniques nécessaires pour industrialiser ces approches.

Un tournant de l’IA logicielle vers l’IA “incarnée”

Après des années marquées par l’essor de l’IA dans les environnements numériques, le relais se joue désormais dans l’intégration de capacités d’analyse et de décision au sein de machines, de robots et de systèmes automatisés. Dans les secteurs de la fabrication, de la logistique, de l’automobile ou encore de la défense, les organisations cherchent à passer d’expérimentations ponctuelles à des solutions déployées à grande échelle, capables de percevoir, raisonner et agir au contact d’environnements physiques changeants.

Dans ce contexte, la Physical AI Expo North America vise à clarifier les conditions concrètes d’une transition vers la production : architecture informatique, disponibilité des données, fiabilité des systèmes et intégration au sein des organisations.

Deux journées centrées sur la stratégie et l’exécution

L’événement est structuré autour de deux axes complémentaires. La première journée se concentre sur la stratégie d’IA en entreprise et sur les briques indispensables à l’industrialisation : transformation organisationnelle, infrastructures de données à grande échelle et planification des déploiements.

La seconde journée se tourne davantage vers l’exécution et l’environnement réel. Elle abordera la manière dont les entreprises font évoluer les projets depuis le prototype vers la production, notamment dans la robotique et l’automatisation. Des thématiques liées aux parcours des développeurs, à l’infrastructure et à la mise en place de systèmes capables de fonctionner de façon durable seront au cœur des échanges.

Fiabilité, sécurité et passage à l’échelle

Parmi les questions qui reviennent régulièrement dans l’IA physique, figurent la robustesse des performances dans des conditions variées, la transparence des décisions, ainsi que les exigences de sécurité. L’objectif affiché est de traiter ces enjeux comme des prérequis de déploiement, et pas seulement comme des préoccupations “après coup”.

Les organisateurs soulignent également que la conversation ne se limite plus aux modèles : l’infrastructure, l’intégration matérielle et logicielle, ainsi que la capacité à opérer dans des systèmes autonomes à grande échelle, deviennent des éléments déterminants.

Des profils orientés industrie et infrastructures

La conférence réunit des responsables et experts issus d’écosystèmes reconnus en IA, robotique et industrie, couvrant des domaines allant de l’automatisation aux plateformes d’infrastructure et aux stratégies de déploiement. L’idée est de croiser les points de vue entre ceux qui conçoivent les technologies, ceux qui les intègrent dans des environnements industriels et ceux qui doivent garantir leur adoption.

Pour les équipes qui développent ou prototypent des systèmes orientés robots, des outils de simulation et de test peuvent aider à réduire le temps de validation. À titre d’exemple, beaucoup de projets s’appuient sur des cartes de développement de type Raspberry Pi pour prototyper des composants embarqués et accélérer l’itération.

Dans le même esprit, l’industrialisation passe souvent par des environnements d’exécution et de contrôle fiabilisés. Pour bâtir des maquettes matérielles destinées à des tests de terrain, certains choisissent des mini-PC compacts afin de créer des stations de test reproductibles.

Netflix renforce nettement sa stratégie publicitaire. Lors de la présentation Upfront, la plateforme a indiqué que son offre financée par la publicité compte désormais plus de 250 millions d’utilisateurs actifs mensuels. Un chiffre qui traduit la montée en puissance de ce modèle, souvent présenté comme une alternative moins coûteuse face aux augmentations régulières des abonnements.

Une progression rapide du palier financé par la publicité

Selon les informations communiquées, l’offre avec publicités est passée d’environ 70 millions d’utilisateurs en 2024 à 94 millions en 2025. L’annonce d’un total dépassant les 250 millions d’utilisateurs actifs mensuels marque un saut important et place cette formule au cœur du modèle économique de Netflix.

Un déploiement élargi à de nouveaux pays

La plateforme prévoit aussi d’étendre cette offre à 15 pays supplémentaires à partir de l’année prochaine, notamment l’Autriche, la Belgique, les Pays-Bas, la Suède, la Suisse, la Pologne, ainsi que plusieurs marchés en Amérique latine et en Asie.

Contexte : des prix en hausse, une offre “plus accessible”

L’offre “Basic avec publicités” a été lancée progressivement à partir de 2022. Elle gagne en attractivité dans un environnement où les services de streaming augmentent fréquemment leurs tarifs. Netflix a d’ailleurs annoncé des ajustements de prix au cours de l’année, ce qui renforce l’intérêt des formules moins chères.

Publicité : davantage de personnalisation grâce à l’IA

Comme de nombreux acteurs du secteur, Netflix s’appuie de plus en plus sur l’intelligence artificielle pour optimiser la publicité. La plateforme indique tester des mécanismes permettant d’adapter le volume et la fréquence des annonces en fonction des habitudes de visionnage, avec l’objectif d’améliorer la pertinence tout en modulant la diffusion.

Parallèlement, Netflix fait face à des contestations sur la collecte et l’usage des données utilisateurs. Dans ce cadre, la société a réfuté plusieurs accusations, soulignant que la procédure reposait sur des éléments jugés inexacts.

Ce que cette évolution peut changer pour les abonnés

Avec un poids croissant de l’offre financée par la publicité, les utilisateurs peuvent s’attendre à des expériences plus ciblées, notamment en matière de rythme et de format des annonces. Le principal enjeu reste l’équilibre entre personnalisation publicitaire et maîtrise de la confidentialité.

Pour suivre plus facilement les réglages de lecture sur votre télévision, certains utilisateurs choisissent des solutions de diffusion simples comme un boîtier de streaming 4K compatible Netflix ou une télécommande universelle afin de mieux gérer l’expérience dans le quotidien.

Meta lance Instants, une nouvelle application pensée comme un appariement entre l’ADN d’Instagram et le principe d’échanges éphémères. Connectée aux comptes existants, elle permet d’envoyer des photos qui disparaissent après consultation, avec la possibilité de ne pas les afficher avant que le destinataire ne les voie.

L’application s’appuie sur des codes déjà familiers aux utilisateurs d’Instagram : le partage via des listes de proches et l’usage de la messagerie directe comme passerelle. Instants est ainsi présenté moins comme un changement d’interface que comme une variation autour de la notion de “moment brut”, où l’image n’a pas vocation à rester dans le temps.

Un modèle proche de Snapchat, mais intégré à Instagram

Le fonctionnement d’Instants s’inspire explicitement des formats où le contenu est temporaire. L’idée centrale est celle de la photo remise au regard : une fois vue, elle n’est plus consultable, et elle peut aussi être annulée avant lecture. Meta positionne clairement cette logique dans un environnement Instagram, en donnant un accès depuis l’onglet de messagerie.

Visuellement, l’application se veut volontairement minimaliste, avec une expérience centrée sur l’envoi et la disparition, plutôt que sur la mise en scène et la recherche d’audience.

Des images non retouchées, sans filtres

À la différence de plusieurs tendances populaires sur Instagram, Instants met l’accent sur des photos sans filtres et sans retouche. Meta semblait déjà expérimenter des approches orientées vers l’authenticité, et l’app reprend une logique proche de celle d’applications “d’instant” connues pour valoriser la spontanéité.

Cette posture est notable pour une entreprise qui a longtemps accompagné l’essor de filtres et d’effets plus “esthétiques”, et qui déploie par ailleurs des fonctionnalités d’assistance basées sur l’IA dans d’autres produits.

Le public concerné et les enjeux de modération

Instants est conçue dans un écosystème où Instagram est accessible à des utilisateurs mineurs, même si le contenu susceptible d’être partagé peut paraître plus “adulte” selon les usages. Le sujet dépasse donc la seule technologie : il renvoie à la manière dont les plateformes appliquent leurs règles, en particulier quand le partage se fait auprès de listes restreintes.

En pratique, le mode de diffusion vers un cercle limité peut influencer la modération, certains types d’images étant plus facilement traités comme “contenu partagé entre proches” que comme contenu public. Meta indique appliquer les mêmes lignes directrices sur l’app que sur Instagram, mais l’expérience utilisateur peut varier selon le contexte et la façon dont le contenu est publié.

Ce que l’arrivée d’Instants change pour les utilisateurs

Instants s’adresse à un besoin précis : échanger rapidement des images, sans la pression de “rester en ligne”. En rattachant le concept à Instagram, Meta vise aussi à réduire la friction pour les utilisateurs déjà habitués à ses fonctionnalités (comptes, messagerie, cercles de proches).

Reste à voir comment l’app évoluera : l’équilibre entre éphémérité, confidentialité et application des règles de contenu déterminera en grande partie son adoption, notamment dans les communautés qui utilisent déjà Instagram pour des partages plus intimes ou réservés.

Deux idées de produits pour améliorer l’usage au quotidien

Pour capturer et partager des instants avec plus de stabilité, un petit accessoire peut faire la différence, surtout si vous photographiez en lumière faible ou en mouvement :

• Un stabilisateur (gimbal) pour smartphone peut aider à garder une image nette lors des prises “sur le vif”.
• Pour une qualité d’envoi plus constante, un chargeur portable fiable limite les coupures pendant l’utilisation mobile.

Building AI sustainably paraît difficile à atteindre alors que l’expansion rapide de l’intelligence artificielle s’accompagne, dans certains cas, d’infrastructures énergivores alimentées par des sources fossiles. Dans le même temps, le cadre réglementaire et les exigences environnementales varient fortement selon les régions, ce qui renforce la pression sur les entreprises pour documenter leurs choix et leurs impacts.

Une demande qui change de camp

Longtemps, la question de la durabilité de l’IA a semblé surtout portée par des préoccupations individuelles. Aujourd’hui, elle remonte nettement dans l’entreprise sous forme de demandes internes : pression des équipes, attentes de la direction, et exigences de mesure imposées par les conseils d’administration. Pour beaucoup d’organisations, l’enjeu n’est plus de savoir s’il faut utiliser l’IA, mais comment la déployer sans augmenter inutilement l’empreinte environnementale.

Les entreprises cherchent notamment à comprendre où tournent leurs modèles, sur quels réseaux électriques ils s’appuient et comment les émissions liées à la chaîne d’approvisionnement se répartissent. Sans ces éléments, il devient compliqué de piloter des objectifs ESG (environnementaux, sociaux et de gouvernance) ou de justifier des choix technologiques.

Le passage de la promesse à la preuve

Selon des spécialistes de la durabilité de l’IA, la transparence est devenue un sujet central. L’idée n’est pas seulement d’annoncer des intentions, mais de rendre visibles les performances et les impacts environnementaux des modèles utilisés, y compris leur efficacité énergétique.

Dans cette logique, des travaux se sont développés pour documenter l’efficience des modèles open source et permettre des comparaisons plus structurées. L’objectif est de donner aux décideurs des repères concrets pour choisir des architectures, des variantes ou des configurations moins coûteuses en énergie, sans dégrader inutilement la qualité des services.

Qu’attendent vraiment les entreprises de la grande tech

La durabilité ne se résume pas à un seul levier. Elle dépend d’un ensemble de paramètres : sélection du modèle, optimisation des usages, et prise en compte de l’électricité utilisée pour alimenter les centres de données. Dans ce contexte, les entreprises veulent savoir ce qui peut être amélioré et quelles options s’offrent à elles pour réduire l’impact de leurs systèmes, y compris dans des cas d’usage plus spécifiques comme la conversion de la parole en texte ou certaines formes de génération vidéo.

Une partie du débat porte aussi sur la manière dont l’information est partagée. Des critiques soulignent que des données clés sur l’énergie et la durabilité ne seraient pas toujours rendues publiques, alors même que la demande de transparence augmente.

Des exigences réglementaires qui poussent les mesures

L’Europe impose progressivement davantage de contraintes et de reporting liés à l’empreinte environnementale. De plus, des initiatives existent pour améliorer la qualité des données disponibles, même si certaines limites demeurent : les informations sur l’énergie réelle des centres de données ne sont pas toujours suffisamment détaillées pour permettre une planification à moyen terme.

En parallèle, d’autres régions cherchent à s’appuyer sur des rapports existants et à renforcer la transparence, notamment afin d’anticiper les besoins de capacité et d’orienter les investissements. Cette dynamique montre que la durabilité de l’IA dépend aussi de la disponibilité de données fiables et comparables.

Ce que “rendre l’IA durable” implique concrètement

À mesure que l’IA devient une brique standard des produits et services, la durabilité passe par des décisions opérationnelles. Le défi est de trouver un équilibre entre performance, coûts et impacts environnementaux. Les entreprises sont donc conduites à :

• Mesurer l’impact énergétique et les émissions associés aux modèles et aux infrastructures
• Exiger des informations sur la localisation, le réseau électrique et, lorsque c’est possible, les sources d’énergie utilisées
• Choisir les modèles et les configurations les plus efficients pour le besoin réel
• Prendre en compte la chaîne d’approvisionnement et la logistique, souvent sous-estimées

Dans cette approche, la question n’est plus de “faire sans IA”, mais d’installer des pratiques de pilotage et de comparaison capables d’améliorer la trajectoire environnementale, notamment à l’échelle des déploiements.

Des outils pour mieux évaluer et suivre

Pour les équipes qui souhaitent structurer une démarche de suivi et de réduction des impacts, disposer d’une instrumentation fiable est souvent un premier pas. À cette fin, beaucoup se tournent vers des solutions de gestion et de mesure de consommation, ou vers des environnements de supervision capables de relier l’activité applicative à des métriques énergétiques.

Parmi les options courantes, certains utilisent des équipements de mesure et de contrôle de l’énergie comme un compteur/prise de mesure de consommation “smart” pour mieux comprendre les variations de charge dans un environnement de test ou de déploiement. D’autres préfèrent des solutions de supervision et de surveillance qui facilitent l’observation des performances et des charges réseau, à condition de les relier à des indicateurs environnementaux pertinents via des processus internes.

Au-delà de ces dispositifs, la durabilité nécessite surtout des données comparables, des méthodes de calcul claires et une gouvernance interne capable de traduire les résultats en décisions (choix de modèles, optimisation des usages, priorisation des sources d’énergie).

Des archives de logiciels malveillants, accumulées par des équipes de recherche et des plateformes d’analyse, atteignent aujourd’hui des volumes impressionnants. Certains acteurs évoquent des collections qui se comptent en dizaines de téraoctets, voire en pétaoctets. Pour rendre ces chiffres plus concrets, il est possible de les comparer à une “hauteur” de disques durs empilés, tout en gardant à l’esprit que ces estimations restent approximatives.

Des volumes de données qui changent d’échelle

Un groupe de recherche en sécurité affirme disposer d’une archive de code source et d’éléments associés représentant environ 30 téraoctets de données. De son côté, un service d’analyse largement connu, qui reçoit des échantillons de fichiers provenant des utilisateurs, indique disposer d’environ 31 pétaoctets d’échantillons malveillants. La différence entre téraoctets et pétaoctets illustre le passage à une échelle difficile à appréhender à l’œil nu.

Une comparaison en disques durs empilés

Pour visualiser l’ordre de grandeur, l’exercice consiste à partir d’hypothèses simplificatrices : utiliser des disques durs internes standard d’environ 1 téraoctet capables de s’aligner physiquement, avec une épaisseur d’environ 1 pouce par disque. En supposant que la capacité “théorique” correspond au besoin de stockage, on peut alors convertir des volumes de données en “nombre de disques” et donc en “hauteur”.

Avec ce raisonnement :

• 30 téraoctets correspondent à environ 30 disques, soit une pile d’environ 30 pouces (près de 2,5 pieds).
• 31 pétaoctets représentent environ 31 744 disques, ce qui donnerait une hauteur d’environ 2 645 pieds.

Des repères avec des monuments connus

En replaçant ces hauteurs dans des repères familiers, on observe une comparaison frappante : la hauteur attribuée à la collection en pétaoctets se situerait à proximité de celle des très hauts bâtiments emblématiques, et dépasserait nettement celle de la tour Eiffel. L’intérêt de ce type de calcul n’est pas de “mesurer” précisément des infrastructures, mais d’aider à saisir le saut de grandeur entre des volumes exprimés en téraoctets et en pétaoctets.

Pourquoi ces estimations restent théoriques

Ces calculs reposent sur des hypothèses grossières : la capacité réellement utilisable d’un disque varie, une partie de l’espace peut être réservée à d’autres besoins (systèmes de fichiers, redondance), et les données “malware” peuvent être structurées différemment selon les formats, les métadonnées et les mécanismes de compression ou de duplication. En pratique, un centre de données n’est pas constitué d’une simple pile de disques, mais l’exercice donne un ordre de grandeur utile.

Si l’on cherche à se faire une idée de ce que représentent des volumes proches d’un téraoctet, certains utilisateurs explorent des solutions de stockage simples, par exemple via un disque externe conçu pour un usage courant comme un SSD ou disque externe d’environ 1 To, ou bien des modèles orientés archivage et stockage interne comme des disques 3,5 pouces autour de 1 To. Ces choix ne reflètent pas les architectures d’un environnement d’analyse, mais ils aident à visualiser les capacités de base.

Plusieurs signaux, parfois contradictoires, se dégagent des technologies émergentes et de leurs usages : montée des enjeux géopolitiques, accélération des infrastructures spatiales, tensions autour de la gouvernance de l’IA, et retour de risques très concrets (santé, sécurité des données, surveillance). Dans ce tour d’horizon, les thèmes qui dominent montrent une même réalité : l’innovation avance, mais les conséquences suivent immédiatement.

OpenAI au cœur d’un bras de fer sur le contrôle

Dans le cadre d’une procédure qui oppose des figures influentes autour d’OpenAI, Sam Altman a réaffirmé des accusations visant Elon Musk. Selon ses déclarations, Musk aurait cherché à obtenir une part majoritaire du capital au démarrage et aurait aussi tenté, à deux reprises, de mettre fin au statut de l’organisation à but non lucratif. La question du rôle et des intentions de Musk reste au centre des débats, avec une vigilance particulière sur la trajectoire de contrôle de l’entreprise.

Data centers en orbite : une promesse, mais aussi des contraintes

Google et SpaceX seraient en discussions pour déployer des centres de données en orbite. L’objectif évoqué est d’augmenter la capacité de calcul et de réduire certains délais d’accès aux ressources, dans un contexte de demande croissante liée à l’IA. D’autres acteurs, dont Anthropic, auraient aussi évoqué ce type de partenariats. Toutefois, le projet ne se résume pas à une prouesse technique : les délais de lancement, la disponibilité des moyens spatiaux, les coûts, ainsi que les aspects réglementaires et opérationnels constituent des obstacles à surmonter avant toute montée en puissance.

La rivalité tech pèse sur les négociations avec la Chine

Lors d’une mission en Chine marquée par des enjeux politiques et économiques, Jensen Huang, patron de Nvidia, a participé à un déplacement à forte exposition. L’entreprise chercherait à maintenir ou élargir ses possibilités de vente de puces IA sur le marché chinois. Mais la dynamique reste fragile : rivalités technologiques, méfiance et contraintes géopolitiques limitent les chances de grands accords, même lorsque les échanges sont politiquement visibles.

Surveillance et données : des systèmes liés à la déportation sous scrutiny

Un rapport indique que des agents d’organismes chargés de l’immigration disposeraient d’une base de données d’une ampleur considérable directement sur leurs appareils, avec le concours d’outils fournis par Palantir. D’autres éléments évoquent l’usage de technologies de reconnaissance faciale et de logiciels espions, soulevant des questions sur la proportionnalité, la gouvernance et la transparence des opérations. Au-delà des annonces, c’est l’architecture même de l’accès aux données qui attire l’attention.

Anduril double de valorisation : la course à l’IA dans la défense

La société de technologie de défense Anduril a vu sa valorisation progresser fortement, portée par une levée de fonds importante. L’entreprise développe des systèmes appuyés par l’IA pour des équipements et des applications militaires. La perspective d’une introduction en bourse est également évoquée, ce qui illustre le mouvement plus large : la sécurité et la défense deviennent des marchés structurants pour les technologies computationnelles, avec des arbitrages industriels et financiers de plus en plus rapides.

Méta sous tension : la surveillance des employés et l’entraînement de l’IA

Des employés contesteraient un programme visant à mesurer l’activité sur des postes de travail, notamment pour collecter des signaux utilisés afin d’améliorer des systèmes d’IA. Le débat porte sur le consentement, la finalité réelle et la manière dont les données sont traitées. Dans les faits, la controverse souligne un point délicat : plus les modèles deviennent performants grâce à de larges corpus, plus les questions de limites, de contrôle interne et de protection des données se renforcent.

Conseils médicaux d’un chatbot : une nouvelle procédure judiciaire

OpenAI ferait face à une nouvelle action en justice relative à des réponses d’un assistant conversationnel dans un contexte médical. Les allégations évoquent que des conseils fournis par le système auraient contribué à une issue tragique. Au-delà du dossier individuel, l’enjeu est plus large : la fiabilité des sorties, la gestion des risques, et l’adéquation entre des réponses générées par une machine et les procédures de sécurité attendues dans le domaine de la santé.

Sécurité des données : des paiements aux pirates pour effacer des informations

Une plateforme éducative de type “learning” aurait versé des sommes à des pirates afin de faire supprimer des données d’étudiants dérobées. Dans ce scénario, l’action s’expliquerait par la réponse à une attaque par rançongiciel survenue à grande échelle. Le recours à ces mécanismes illustre le dilemme rencontré par de nombreuses organisations : réduire l’impact immédiat tout en subissant la pression d’un marché cybercriminel et les conséquences réputationnelles et juridiques.

Les chercheurs se méfient davantage de l’IA

Enfin, certains travaux scientifiques montrent une prudence accrue à l’égard des outils d’IA. Les raisons avancées incluent des hausses de prix, des limites d’usage et des sorties jugées parfois insuffisamment fiables. Dans ce contexte, l’IA n’est plus simplement évaluée pour ses performances, mais aussi pour son coût total, sa stabilité et sa capacité à produire des résultats contrôlables — des critères qui deviennent déterminants dans les milieux de recherche.

Repères pratiques

Ces signaux conjugués montrent que les enjeux “tech” ne se limitent plus à la puissance de calcul : ils touchent la gouvernance, la sécurité et la responsabilité. Pour suivre l’évolution sans se laisser enfermer dans un seul outil, certains utilisateurs privilégient des systèmes de productivité et de stockage plus maîtrisés, par exemple via un SSD portable fiable pour sécuriser des sauvegardes ou un gestionnaire de mots de passe orienté sécurité.

Mind Robotics, une société issue de Rivian, vient de lever 400 millions de dollars lors d’un nouveau tour de financement. L’opération intervient seulement deux mois après une levée précédente de 500 millions, au moment où l’entreprise poursuit le développement de robots destinés à l’industrie et susceptibles d’accroître l’automatisation en atelier et en usine.

Un financement rapide, porté par des investisseurs industriels

Selon des informations relayées par la presse économique, ce tour de table a été mené par Kleiner Perkins. Des acteurs liés à l’écosystème automobile et technologique ont également participé, notamment les branches venture de Volkswagen, déjà impliquées via un partenariat avec Rivian autour d’un projet logiciel, ainsi que Salesforce.

Le rythme des levées illustre l’importance accordée au secteur de la robotique industrielle, où les investisseurs cherchent des solutions capables de s’intégrer à des environnements de production existants, avec des exigences élevées en fiabilité et en sécurité.

Mind Robotics vise l’automatisation de tâches industrielles

À l’origine, l’entreprise a été lancée par le patron de Rivian, RJ Scaringe, également président de Mind Robotics. Son objectif est de développer des robots conçus pour prendre en charge des tâches industrielles, en dépassant, selon lui, les limites que rencontrent certaines startups spécialisées.

Le projet, initialement présenté sous le nom de « Project Synapse », visait la création de « robotique » dotée de compétences comparables à celles attribuées aux humains, afin de mieux s’adapter aux contraintes du travail industriel.

Un historique de levées et une valorisation en hausse

Mind Robotics avait déjà réuni 115 millions de dollars après sa création en 2025. La nouvelle levée porte le total des fonds obtenus à plus d’un milliard de dollars. Toujours d’après la presse économique, l’entreprise serait valorisée à plus de 3 milliards de dollars.

RJ Scaringe est aussi impliqué dans un autre projet issu de Rivian, Also, une société centrée sur la micromobilité ayant levé plus de 300 millions de dollars à ce stade.

Ce que signifie cette dynamique pour la robotique industrielle

Ce type d’opérations, avec des montants conséquents et rapprochés, suggère que les investisseurs considèrent la robotique industrielle comme un levier stratégique à moyen terme. Les prochaines étapes seront toutefois déterminantes : capacité à produire à grande échelle, à réduire le temps d’intégration chez les clients, et à démontrer des gains de productivité mesurables.

Pour les entreprises qui évaluent l’automatisation, la question se pose souvent en termes de capteurs, de vision et de contrôle. À titre de repère, certains décideurs regardent des équipements d’inspection comme des caméras de vision industrielle pour mieux comprendre les exigences d’intégration dans un environnement de production.

En parallèle, la robotique industrielle dépend aussi de la logistique logicielle et de la sécurité des systèmes. Dans une logique d’équipement et de prototypage, des acteurs s’intéressent à des contrôleurs de robot industriels afin d’anticiper les besoins de commande et de déploiement.