Les cabinets d’avocats entrent dans une phase plus exigeante de l’adoption de l’intelligence artificielle. Après une période de scepticisme puis des acquisitions parfois surtout « symboliques » de technologies de type LLM, le secteur s’oriente désormais vers une intégration plus concrète des outils dans les méthodes de travail, avec des enjeux qui touchent autant l’organisation que la tarification.

De la curiosité à l’intégration opérationnelle

Interrogé sur l’évolution du marché, un consultant à l’origine d’une pratique dédiée à l’IA décrit une trajectoire en trois temps. Dans un premier temps, l’IA a été perçue par une partie des juristes comme peu pertinente pour le travail d’expertise. Ensuite, plusieurs organisations ont acheté des licences de grands modèles de langage, notamment pour montrer une capacité d’action aux partenaires et aux clients.

Le troisième stade, celui qui se dessine aujourd’hui, consiste à reconnaître qu’il faut désormais « entrer dans le réel » : gérer le changement, ajuster les modèles opératoires et, plus largement, revoir le fonctionnement du cabinet. Cela implique de réécrire des workflows, de former à nouveau les avocats impliqués, d’établir des standards d’usage et de définir précisément les points où une relecture humaine reste indispensable.

Réévaluer les workflows et la place de l’humain

Selon cette approche, la question centrale n’est pas seulement de choisir un outil, mais de transformer la manière dont les dossiers sont traités. L’IA peut accélérer certaines tâches, par exemple la rédaction ou l’analyse documentaire, ce qui oblige à repenser les procédures internes. Elle soulève également des décisions « politiques » au sens organisationnel : qui valide quoi, comment encadrer le niveau de confiance, et comment répartir les responsabilités entre automatisation et contrôle.

Un choc potentiel sur la tarification et la valeur

L’adoption de l’IA dans les processus pourrait aussi remettre en cause des logiques de facturation historiquement dominées par le temps passé, comme la facturation horaire ou au coût majoré. L’argument est simple : si l’outil réduit la durée de certaines étapes (recherches, brouillons, contrôles), le lien direct entre le temps d’un avocat et le niveau de facturation s’affaiblit.

Dans ce contexte, plusieurs cabinets envisagent une facturation davantage orientée vers la valeur, déjà explorée par certains indépendamment des questions technologiques. La décision se traduit en pratique par un réexamen de l’offre de services et des prix, notamment lorsque les gains d’efficience proviennent de workflows plus fluides, soutenus par l’automatisation.

Le consultant estime que la dynamique viendra aussi de l’extérieur : des acteurs mieux positionnés sur le plan opérationnel pourront proposer des prestations jugées plus pertinentes au regard des efforts réels, poussant le reste du marché à s’aligner. Autrement dit, l’enjeu dépasse la performance interne pour devenir une question de compétitivité.

La pression des départements juridiques et des appels d’offres

Au-delà des cabinets, la demande monte côté entreprises. Les directions juridiques internes sont de plus en plus tenues de démontrer comment l’IA est déployée dans les processus, selon des exigences qui ressemblent à celles appliquées à d’autres fonctions de l’entreprise. L’enthousiasme interne ne suffit plus : il faut des éléments concrets.

Concrètement, l’IA pourrait devenir un critère dans la sélection des prestataires. Les cabinets pourraient être amenés à préciser :

• quelles tâches sont assistées par l’IA,
• quels garde-fous et procédures de contrôle sont en place,
• comment la confidentialité des clients est protégée,
• et quel impact mesurable l’outil produit sur la qualité et la rapidité de traitement.

Plus qu’un outil de réduction des coûts

Le discours ne se limite toutefois pas à une logique de réduction des coûts. L’IA peut aussi libérer du temps pour des activités considérées comme plus intéressantes : moins de tâches répétitives, davantage de marge pour un travail à plus forte valeur intellectuelle. Dans les grands cabinets, cela renvoie souvent à des usages par pratique et à une supervision structurée, avec des cas d’usage qui varient fortement selon les domaines.

Les cabinets qui en tireront le plus de bénéfice seraient ceux qui traitent l’IA d’abord comme une décision de management, avant qu’elle ne soit imposée par la pression du marché. Cela suppose une mise en œuvre disciplinée, une démonstration de valeur vers les clients, et une vigilance continue sur la confidentialité, la souveraineté et l’adéquation entre le modèle économique et le nouveau fonctionnement.

Points d’attention pour les cabinets

Dans cette phase de transition, plusieurs axes semblent déterminants : encadrer l’usage (standards, validation humaine), prouver les résultats (qualité, délais), et ajuster l’offre commerciale (tarification, périmètres de prestation). L’enjeu est autant de maîtriser le risque que de structurer l’efficacité.

Pour ceux qui souhaitent mieux outiller les équipes autour de la gouvernance documentaire et de la gestion des connaissances, certains s’appuient sur des solutions de stockage et de collaboration comme Microsoft Copilot pour M365, ou sur des environnements de productivité et de recherche interne tels que Notion AI, afin de structurer les flux et d’améliorer la recherche d’informations.

DeepSeek a dévoilé deux nouveaux modèles d’intelligence artificielle, le V4 Pro et le V4 Flash. L’entreprise affirme que son système atteint un niveau de raisonnement « comparable au meilleur », tout en misant sur des capacités techniques visant à améliorer la cohérence sur de longues discussions. Ces annonces interviennent dans un contexte déjà marqué par un fort engouement médiatique et par des restrictions et suspensions liées à des préoccupations de sécurité et de confidentialité.

Une longueur de contexte pensée pour des conversations plus suivies

L’un des arguments mis en avant par DeepSeek concerne la « longueur de contexte », c’est-à-dire la quantité maximale de tokens que le modèle peut traiter et mémoriser à la fois. Plus elle est élevée, plus l’IA peut conserver des éléments pertinents au fil de l’échange, ce qui peut se traduire par des réponses plus constantes lors de conversations prolongées. DeepSeek présente ainsi son orientation vers un usage capable d’absorber jusqu’à un million de tokens de contexte, en cohérence avec la tendance du secteur.

V4 Pro et V4 Flash : raisonnement et compromis performance/rapidité

Le V4 Pro reste le modèle le plus ambitieux. DeepSeek le qualifie de « plus ouvert » (open-source), indiquant que son code peut être récupéré et ajusté par des développeurs. L’entreprise avance aussi que ses « capacités agentiques » ont été améliorées, un terme qui désigne la capacité du système à réaliser des tâches de manière plus autonome ou structurée. DeepSeek affirme en outre que le V4 Pro rivalise avec des modèles fermés de référence sur le raisonnement, et qu’il ne serait devancé que par un modèle particulier lorsqu’il s’agit de connaissances « riches » sur le monde.

Le V4 Flash, lui, vise un équilibre différent. Moins puissant que le V4 Pro selon les éléments communiqués, il est conçu pour des réponses plus rapides. DeepSeek soutient toutefois que la qualité du raisonnement resterait proche sur les tâches simples impliquant des agents, ce qui en ferait une option potentiellement intéressante pour des usages où la latence compte davantage que la performance maximale.

Pour les personnes qui cherchent à tester des modèles open-source sur du matériel personnel, un ordinateur portable orienté calcul peut s’avérer utile. À titre indicatif, un ordinateur portable avec GPU performant peut faciliter l’expérimentation et le prototypage, selon les besoins et la configuration logicielle visée.

Des restrictions administratives après l’essor de l’application

Après la popularité de DeepSeek dans les classements d’applications, plusieurs administrations ont pris des mesures. Aux États-Unis, l’usage de l’application a été interdit pour les agences fédérales et sur des dispositifs appartenant au gouvernement, des autorités estimant que le logiciel pouvait présenter un risque pour la sécurité nationale et un impact sur le secteur des technologies d’IA.

En Corée du Sud, des téléchargements ont également été suspendus, cette fois au motif de préoccupations autour de la confidentialité. Ces épisodes illustrent que, au-delà des performances techniques revendiquées, l’adoption d’outils d’IA s’accompagne souvent d’évaluations portant sur la gouvernance, les données et la conformité.

Dans une démarche d’expérimentation locale, la mémoire et le stockage sont aussi des paramètres pratiques. Un SSD NVMe de capacité élevée peut aider à fluidifier les installations et les environnements de travail liés à l’apprentissage et au déploiement de modèles, sans être spécifique à DeepSeek.

Au final, les annonces de DeepSeek placent la barre sur deux axes : la capacité à raisonner efficacement et la capacité à maintenir la cohérence sur de longues séquences. Reste à vérifier, au fil d’évaluations indépendantes, dans quelle mesure les gains revendiqués se traduisent en conditions réelles d’usage.

Les rumeurs se confirmaient à nouveau cette semaine : Apple a annoncé que Tim Cook quittera ses fonctions de PDG le 1er septembre. Son successeur sera John Ternus, actuellement responsable de l’ingénierie matérielle au sein du groupe. Dans l’épisode analysé, l’accent est mis sur l’héritage de Tim Cook à la tête d’Apple et sur la manière dont le profil de Ternus pourrait infléchir les priorités produit, au moment où l’entreprise cherche à maintenir sa dynamique dans un contexte technologique plus exigeant.

Un changement de gouvernance après quinze ans

Tim Cook, devenu PDG en 2011, a conduit Apple pendant une période marquée par une croissance et une consolidation de la stratégie industrielle. Son style de management est souvent décrit comme pragmatique, centré sur l’exécution, l’optimisation des chaînes d’approvisionnement et la discipline opérationnelle. Cette approche a contribué à stabiliser la production à grande échelle, tout en permettant à l’entreprise d’absorber et d’orchestrer des innovations échelonnées dans le temps.

Le passage de relais au 1er septembre constitue donc un jalon important : à la tête d’Apple, l’enjeu n’est pas seulement de changer de nom, mais de clarifier les axes susceptibles d’influencer la feuille de route des produits, et la manière de traiter les priorités entre ingénierie, design et nouveaux marchés.

John Ternus, un profil davantage tourné vers l’ingénierie

John Ternus, présenté comme un acteur clé de l’ingénierie matérielle, arrive avec un angle plus technique que celui généralement associé à Tim Cook. L’idée mise en avant est simple : après une ère où la performance industrielle et la logistique ont joué un rôle central, Apple pourrait davantage mettre l’accent sur la profondeur produit, l’architecture technique et la façon dont ces choix se traduisent dans les prochaines générations de matériel.

Sans conclure trop vite, le changement de direction peut toutefois avoir des conséquences concrètes : arbitrages sur les investissements, rythme d’industrialisation, intégration plus ou moins rapide de nouvelles briques technologiques et, plus largement, culture de décision au sein des équipes produit. Dans une entreprise où chaque itération matérielle a un impact sur l’écosystème logiciel, la dimension engineering peut peser sur les priorités de long terme.

Ce que l’on peut attendre, sans surjouer

Le remplacement du PDG ne signifie pas automatiquement rupture. Apple conserve ses contraintes : sécurité, fiabilité, contrôle de la qualité et coordination avec un réseau mondial de partenaires. En revanche, un nouveau leadership peut modifier la balance entre innovation incrémentale et risques assumés, ainsi que la manière d’évaluer les projets en fonction de leur faisabilité technique.

À ce stade, les signaux les plus plausibles concernent l’évolution des produits existants et l’optimisation de leur base technologique. Par exemple, l’intérêt pour des configurations performantes destinées à la création et aux usages intensifs pourrait se traduire par des options plus solides sur certains appareils, à l’image d’un dock USB-C conçu pour gérer plusieurs périphériques et écrans dans un environnement de travail Apple.

Plus largement, si l’entreprise choisit d’accentuer l’approche “hardware-first”, les tendances pourraient aussi se refléter dans les accessoires et l’outillage associés aux nouveaux usages. Dans cette logique, un SSD externe NVMe devient un exemple de produit dans lequel la qualité technique et la vitesse comptent réellement au quotidien, notamment pour les transferts de fichiers lourds.

Un héritage à préserver, une transition à maîtriser

L’enjeu pour Apple sera de conserver ce qui a fait la force de l’ère Cook — capacité d’exécution, constance de la qualité et discipline dans le lancement des produits — tout en laissant de la place à un leadership porté par l’ingénierie. La période qui s’ouvre à partir du 1er septembre sera donc moins celle d’une promesse de “nouvelle ère” que celle d’une traduction progressive : comment les priorités internes se refléteront dans les choix techniques et dans le calendrier produit.

En attendant les prochains annonces, la seule certitude est institutionnelle : Tim Cook cède sa place, John Ternus prend le relais. Le reste — rythme, style et orientation — dépendra des décisions que l’entreprise prendra dans les mois à venir.

Il y a une forme particulière de frustration à rester dans l’attente.

Pour celles et ceux qui souhaitent rejoindre Raya, l’application de rencontres réservée à un public jugé « sélect », le processus ressemble de plus en plus à un long couloir sans fin. Invitation obligatoire, examen de la candidature, puis blocage prolongé : plusieurs candidats décrivent une attente pouvant durer des années, malgré des retours d’accepteurs autour d’eux.

Une sélection qui peut s’étirer sur plusieurs années

Obtenir un compte Raya exige une invitation d’un membre actif. Même après avoir soumis une candidature, l’utilisateur ne peut pas se connecter tant que l’approbation n’a pas été obtenue. Cette mécanique crée un goulot d’étranglement, comparable à une file à l’entrée d’un établissement prisé : une partie des candidats passe rapidement, tandis que d’autres restent en attente.

Dans ce contexte, des personnes interrogées indiquent avoir patienté entre deux et sept ans. Elles observent aussi un phénomène frustrant : des amis acceptés, désinscrits ou ayant simplement changé de statut restent actifs sur l’application, alors que leur propre demande ne bouge pas.

Une candidate, étudiante en droit et mannequin à San Diego, affirme être sur liste d’attente depuis cinq ans. Elle décrit la situation comme une forme d’immobilisation de la candidature, qu’elle peine à comprendre, tout en indiquant avoir relancé le service sans obtenir de réponse.

Un modèle qui s’appuie fortement sur les parrainages

Il n’existe pas, selon les éléments rapportés, de règle simple permettant de prédire l’issue d’une candidature. L’application reçoit un volume important de demandes chaque mois, et l’avantage le plus tangible proviendrait des parrainages. Chaque membre disposerait de « friend passes » destinés à recommander de nouveaux profils.

Ce système aide à expliquer pourquoi l’accès ne relève pas uniquement d’un principe « premier arrivé, premier servi ». Le résultat peut varier selon des facteurs comme la dynamique d’une ville sur l’application ou le fait d’obtenir un parrainage.

Pourquoi l’exclusivité attire… puis pèse

À l’origine, Raya a été présentée comme une forme de club pour les personnes créatives, avec une promesse d’écosystème à la fois aspirant et « à part ». Le concept a séduit de nombreux profils, attirés par l’idée de rejoindre une communauté perçue comme plus « cool » ou plus visible.

Pour autant, le même mécanisme d’exclusivité peut devenir source de tension. Plusieurs candidats décrivent une auto-questionnement progressif, une habitude de consulter régulièrement le statut de candidature, et une lassitude qui s’installe avec le temps.

Dans certains cas, les personnes finissent par accumuler des opportunités sans réussir à franchir le cap de l’acceptation, malgré des efforts tels que les parrainages.

Une alternative : explorer des options plus accessibles

En attendant une éventuelle approbation, beaucoup comparent Raya à d’autres applications de rencontres plus ouvertes, où l’accès et l’interaction sont immédiats. Cela peut permettre de garder un rythme social, sans subir l’incertitude d’une candidature en suspens.

• Applications de rencontres faciles d’accès via smartphone (abonnements et accessoires associés) : une piste pour varier les options au lieu de rester figé dans l’attente.
• Kit photo pour améliorer ses portraits au téléphone : utile quand on veut optimiser un profil sur plusieurs plateformes en parallèle.

Au final, l’histoire de ceux qui « restent coincés » sur Raya illustre un paradoxe : l’idée même de sélection renforce l’attrait… mais peut aussi prolonger indéfiniment la frustration, au point de transformer une simple candidature en expérience de long terme.

Un an après avoir fait trembler l’écosystème de l’intelligence artificielle aux États-Unis, la société chinoise DeepSeek a dévoilé une préversion de son modèle de nouvelle génération, baptisé V4. L’entreprise présente ce système open source comme une alternative crédible aux solutions propriétaires développées par des acteurs occidentaux majeurs, tout en mettant l’accent sur des progrès attendus en matière de programmation.

Un modèle V4 présenté comme une étape décisive

DeepSeek affirme que V4 constitue une amélioration notable par rapport aux versions précédentes, avec des gains particulièrement marqués dans le code. Cette capacité revêt un intérêt croissant, car elle s’inscrit au cœur des “agents” d’IA : des outils capables d’effectuer des tâches plus complexes qu’un simple dialogue, notamment en assistance au développement logiciel.

Le géant chinois met également en avant un point plus stratégique pour son marché domestique : la compatibilité du modèle avec des technologies locales, en mentionnant notamment un écosystème lié au fabricant Huawei. Cette approche vise à renforcer l’accessibilité et l’intégration du modèle dans l’infrastructure du pays.

Pourquoi DeepSeek pèse sur la concurrence

La sortie de V4 intervient un an après le lancement de R1, un modèle qui avait suscité un vif émoi dans l’industrie américaine. DeepSeek avait alors revendiqué un entraînement à un coût nettement inférieur à celui des systèmes de référence, ce qui avait alimenté les débats sur l’efficacité réelle des méthodes utilisées.

Toutefois, pour V4, l’entreprise n’a pas communiqué de détails sur les coûts d’entraînement ni sur le matériel exact utilisé. Cette absence de précisions entretient les zones d’ombre, d’autant que des accusations antérieures ont déjà ciblé DeepSeek sur des sujets sensibles autour de l’accès au matériel et des pratiques d’amélioration des modèles.

Un sujet de fond : coûts, matériel et transparence

Ces dernières semaines, des responsables et observateurs ont reproché à la société d’avoir recours à des puces qui seraient en contradiction avec certaines restrictions. Parallèlement, des tensions ont aussi été évoquées autour d’allégations de transfert ou d’utilisation de composants issus d’autres modèles, avec l’idée que DeepSeek aurait pu bénéficier d’éléments protégés ou détournés.

Dans ce contexte, la préversion V4 agit aussi comme un test : celui de la capacité de DeepSeek à démontrer, de manière vérifiable, la robustesse de ses performances. Pour le marché, l’enjeu est clair : comparer des modèles open source et propriétaires ne se limite pas aux benchmarks, mais englobe aussi l’industrialisation, le matériel nécessaire et la fiabilité du cycle de développement.

• La montée en puissance des “agents” rend la performance en programmation particulièrement stratégique.
• L’intégration à des technologies locales peut accélérer l’adoption nationale.
• La transparence sur l’entraînement et le matériel reste un point clé pour réduire les controverses.

Pour les équipes qui veulent expérimenter des modèles et des outils de développement, il faut aussi considérer l’environnement matériel. Par exemple, un disque SSD externe rapide de 1 To peut faciliter les tests et le stockage de jeux de données, notamment lors de phases de prototypage. Côté logiciel, un clavier mécanique conçu pour les développeurs peut sembler accessoire, mais il améliore le confort lors de sessions prolongées de codage et d’évaluation.

En attendant des informations supplémentaires sur V4, la préversion confirme surtout une dynamique : DeepSeek continue de chercher à faire évoluer le rapport de force entre modèles open source et systèmes propriétaires. Si les promesses de performance se confirment, le V4 pourrait renforcer la pression concurrentielle, en particulier sur les segments liés au développement logiciel et à l’automatisation des tâches.

Les modèles d’intelligence artificielle s’appuient de plus en plus sur des données actualisées en continu pour comprendre le comportement des marchés. Dans les cryptomonnaies, où les cours et volumes évoluent sans interruption, la donnée n’est plus un simple point de comparaison : elle ressemble davantage à un flux. L’enjeu n’est donc pas seulement d’analyser des tendances, mais de suivre des signaux qui changent en permanence, et d’en tirer des interprétations suffisamment fiables pour éclairer la lecture du marché.

Un flux de données plutôt qu’un jeu figé

Dans de nombreux domaines, les données sont collectées, nettoyées puis réutilisées sur une période déterminée. À l’inverse, dans la finance et particulièrement dans les cryptomonnaies, les entrées arrivent sans pause. Les systèmes doivent alors traiter l’information au fil de l’eau, en intégrant les variations au moment où elles se produisent. Un prix comme celui du BNB n’est plus seulement une valeur isolée : il devient un élément d’un flux, porteur d’un contexte dynamique.

Cette approche est utile lorsque l’objectif consiste à repérer des changements plutôt que de s’en remettre à des hypothèses stables. Dans certains cas, de faibles déplacements peuvent suffire à faire évoluer une lecture du marché. En pratique, la difficulté tient souvent moins à la disponibilité de la donnée qu’à sa capacité à être traitée avec rapidité, notamment quand plusieurs sources doivent être combinées.

Des signaux difficiles à interpréter dans un marché non linéaire

Les comportements de marché ne suivent pas toujours des trajectoires régulières. Les variations de prix peuvent être irrégulières, et les liens entre causes et effets se brouillent. Dans cet environnement, un modèle ne se contente pas d’identifier un signal unique : il doit comprendre comment plusieurs indicateurs interagissent, même lorsque leurs relations se modifient.

Par ailleurs, certains acteurs de marché peuvent amplifier des mouvements sans qu’ils conduisent forcément à une stabilisation rapide. Résultat : l’interprétation à court terme peut devenir plus instable, car les patterns observés peuvent ne pas se répéter de manière strictement identique d’une période à l’autre.

Le poids des données et les biais potentiels

La façon dont la donnée est distribuée influence aussi le comportement des modèles. Tous les actifs ne génèrent pas la même fréquence d’informations, ni la même densité d’observations. Cette réalité se retrouve dans la construction des jeux de données et, par conséquent, dans la manière dont certains signaux dominent le modèle.

À titre d’illustration, la place du Bitcoin dans l’ensemble du marché tend à être élevée, tandis que les altcoins plus éloignés du sommet de la hiérarchie peuvent contribuer de façon plus limitée. Cela n’exclut pas leur prise en compte, mais leurs signaux peuvent être moins constants, ce qui complique leur utilisation dans des systèmes qui exigent des mises à jour régulières. Sans traitement spécifique, le modèle peut reproduire un biais : il apprend principalement à partir de ce qui apparaît le plus souvent dans les données.

Des exigences croissantes en matière d’infrastructure et de cohérence

À mesure que ces systèmes se généralisent, l’infrastructure devient un facteur clé. L’enjeu n’est pas seulement de collecter des flux, mais de garantir leur cohérence sur la durée : qualité des données, continuité, stabilité des pipelines de traitement et capacité à produire des résultats compréhensibles.

Dans un contexte où des acteurs institutionnels renforcent leur présence, les attentes se déplacent vers des standards plus stricts en matière de conformité, de gouvernance et de gestion des risques. Concrètement, cela signifie que des systèmes qui fonctionnent en continu doivent être robustes et que leurs outputs doivent pouvoir être expliqués, au-delà de la seule performance du modèle.

Des interprétations qui se rapprochent d’usages concrets

Les données de marché en temps réel ne servent pas uniquement à produire des analyses ponctuelles. Elles alimentent de plus en plus des systèmes fonctionnant en continu : surveillance, détection de changements, ou identification de ruptures de régime. Dans de nombreux cas, l’IA reste surtout un outil d’interprétation, située entre la donnée brute et une décision opérationnelle.

Cette dynamique se reflète aussi dans l’augmentation de certaines formes d’activité liées aux usages numériques (par exemple, les volumes associés à des cartes de paiement crypto), même si leur taille reste encore modeste par rapport aux paiements traditionnels. À mesure que ces passerelles entre l’écosystème crypto et des usages plus “réels” se développent, la donnée en temps réel peut devenir un élément plus directement connecté à l’activité observée.

En définitive, le temps réel n’apporte pas une compréhension automatique du marché. Il fournit une matière première plus vivante, et le rôle de l’IA consiste à en extraire une lecture cohérente malgré l’instabilité des comportements. À mesure que les modèles évoluent, la manière d’exploiter ces flux, par exemple autour de la valeur d’un terminal orienté données de trading, peut également s’affiner pour mieux répondre à la variabilité du marché.

Deux avancées marquantes illustrent le passage de l’IA du virtuel vers le monde réel. D’un côté, le robot de table automatique Ace, développé par Sony AI, a disputé des matchs réglementés contre des pongistes de haut niveau. De l’autre, des robots humanoïdes ont été testés lors d’une course longue distance à Pékin, avec des performances chronométrées en conditions réelles.

Un robot de ping-pong qui s’impose face à des joueurs d’élite

Selon des informations relayées par la presse, Ace a participé à des rencontres officielles de tennis de table, en respectant les règles de la Fédération internationale de tennis de table (ITTF) et sous le regard d’arbitres autorisés. Le robot a été conçu pour prendre des décisions très rapidement et contrôler finement ses mouvements, afin d’exécuter des coups dans un environnement sportif où chaque point se joue à un rythme élevé.

Les essais menés sur une période donnée indiquent qu’Ace a remporté une partie des matchs face à des joueurs d’élite, tout en s’inclinant dans d’autres confrontations contre des adversaires au niveau professionnel. Sony AI a aussi fait état d’autres rencontres ultérieures, dont certaines auraient été remportées face à des pongistes professionnels.

Perception en temps réel et stratégie apprenante

Le défi technique de la discipline tient à la vitesse et à la variabilité de la balle : trajectoires qui changent, effets (spin) complexes et détection visuelle sollicitée au maximum. D’après l’équipe du projet, Ace s’appuie sur plusieurs systèmes de caméra et de vision pour suivre le mouvement et l’effet de la balle, puis calculer la réponse motrice dans des délais très courts.

Sur le plan mécanique, la raquette est pilotée par plusieurs articulations, réparties entre le positionnement, l’orientation et la gestion de la force ou de la vitesse des coups. L’objectif est d’atteindre un niveau de précision jugé compatible avec un jeu de compétition.

Un autre élément clé concerne l’apprentissage : contrairement à des approches reposant sur la démonstration humaine, Ace aurait été entraîné dans un environnement de simulation. Cette méthode viserait à permettre l’émergence de stratégies adaptées au comportement réel de la balle, avec des styles de jeu qui peuvent différer de ceux observés chez les joueurs humains.

Des joueurs ayant affronté Ace ont également souligné un point pratique : la difficulté à anticiper les réponses du robot, faute d’indices visibles comparables à ceux qu’offrent les réactions d’un humain pendant un échange. Ils ont toutefois reconnu une capacité notable à gérer certains effets, tout en évoquant une plus grande prédictibilité sur des situations plus simples.

Pour s’initier au tennis de table avec un matériel fiable, certains utilisateurs choisissent des ensembles prêts à jouer comme des accessoires d’entraînement pour le ping-pong ou des équipements axés sur la précision et le contrôle. Le point commun avec ces technologies, c’est la recherche d’une meilleure répétabilité dans l’exécution.

Des robots humanoïdes testés sur un semi-marathon à Pékin

À l’occasion du 2026 Beijing E-Town Humanoid Robot Half Marathon, des robots humanoïdes ont parcouru un itinéraire de 21 kilomètres à Pékin. L’événement réunissait plus d’une centaine de robots, dans un cadre conçu pour évaluer leurs capacités sur une durée longue et dans des conditions à grande échelle. Les participants humains prenaient part à la course, mais sur des parcours séparés.

Un robot nommé Lightning, développé par Honor, aurait terminé la course en un peu plus de cinquante minutes. Le système a, d’après les organisateurs, poursuivi sa progression après une collision avec une barrière, avant de franchir la ligne d’arrivée en première position. D’autres robots de la même entreprise auraient également obtenu des places au classement.

Les organisateurs ont indiqué que le but de l’épreuve était d’évaluer la navigation autonome et la robustesse des machines en conditions réelles, plutôt que dans un environnement entièrement contrôlé. Une précédente édition avait déjà montré des progrès, mais avec des temps jugés nettement plus lents pour les meilleurs systèmes.

Dans une logique comparable d’ingénierie de précision, les consommateurs qui cherchent du matériel utile à l’entraînement ou à l’observation des mouvements peuvent aussi se tourner vers des outils d’analyse et d’assistance, par exemple des caméras de suivi pour le sport. Même si l’usage n’est pas le même, la démarche repose sur la qualité de la perception et de la mesure.

Ce que ces résultats suggèrent pour l’IA “dans le réel”

Pris ensemble, ces deux événements montrent un même mouvement : l’IA est de plus en plus testée sur des tâches où la réalité impose des contraintes immédiates—temps de réaction, précision motrice, perception en présence d’incertitudes. En ping-pong, la difficulté réside dans la balle, les effets et le timing. En course, elle se situe dans la locomotion, la navigation et la tenue de performance sur la durée.

Reste une différence majeure entre les démonstrations et une généralisation à grande échelle : la robustesse face aux situations nouvelles, l’adaptabilité en match et, pour les robots humanoïdes, la capacité à gérer les imprévus sans dégrader la sécurité ou l’autonomie. Les prochaines itérations devront donc être jugées sur la régularité, pas seulement sur quelques performances isolées.

Un militaire américain a été arrêté après des accusations liées à des paris sur une plateforme de “prédiction” en utilisant des informations confidentielles dont il aurait eu connaissance dans le cadre de ses fonctions. Selon le département de la Justice, un sergent-chef des forces spéciales de l’US Army, Gannon Ken Van Dyke, aurait réalisé des gains importants en pariant sur l’issue d’opérations impliquant le dirigeant vénézuélien Nicolás Maduro.

Des paris en lien avec une opération contre Nicolás Maduro

Les autorités indiquent que Van Dyke aurait créé un compte sur Polymarket à la fin décembre 2025, puis multiplié, sur une période allant du 27 décembre au 2 janvier, des mises liées à des scénarios mentionnant directement Nicolás Maduro. Parmi les paris visés figureraient des questions portant sur des délais de sortie de fonctions, ainsi que des hypothèses sur une éventuelle intervention américaine.

D’après l’accusation, le soldat aurait pris des positions “Yes” sur plusieurs options, avant que l’opération militaire aboutisse à la capture de Nicolás Maduro et de sa femme, le 3 janvier. Les enquêteurs affirment que l’intéressé aurait réalisé environ 409 881 dollars de bénéfices.

Des gains rapidement convertis et des tentatives de dissimulation

Toujours selon le ministère public, les mises initiales se seraient élevées à un peu plus de 33 000 dollars. Les profits attendus et réalisés auraient, eux, dépassé largement ce montant, aboutissant à un retour financier jugé disproportionné au regard des informations disponibles publiquement.

Les autorités soutiennent aussi que Van Dyke aurait retiré ses gains le jour même de la capture, puis transféré l’argent vers un “coffre-fort” crypto à l’étranger, avant de réinjecter les fonds dans un nouveau compte de courtage en ligne.

Après la publication de reportages évoquant la possibilité de paris “en avance” sur des événements, il aurait également demandé à Polymarket la suppression de son compte, en invoquant faussement avoir perdu l’accès à l’adresse e-mail utilisée. Les enquêteurs indiquent par ailleurs qu’il aurait modifié l’adresse associée à son compte crypto pour la remplacer par une adresse n’ayant pas de lien apparent avec son identité.

Des chefs d’accusation pouvant entraîner de lourdes peines

Le dossier comporte plusieurs chefs d’accusation. Van Dyke serait notamment poursuivi pour des violations de la réglementation relative aux marchés de matières premières (“Commodity Exchange Act”), avec trois charges assorties chacune d’une peine maximale de 10 ans de prison.

Il ferait également l’objet :

• d’une accusation de fraude par câbles (“wire fraud”), passible jusqu’à 20 ans de prison ;
• d’une accusation de transactions financières illégales (“unlawful monetary transaction”), pouvant aller jusqu’à 10 ans.

Un nouvel épisode dans les inquiétudes autour des “prediction markets”

Les marchés de prédiction, censés refléter l’opinion collective via des parités de marché, sont régulièrement confrontés à la question des informations privilégiées. La logique est simple : si des acteurs disposent d’éléments non publics, ils peuvent fausser le mécanisme en pariant avant que l’information ne soit connue du grand public.

Dans ce contexte, l’affaire Van Dyke s’inscrit dans une série de controverses. Des incidents antérieurs ont déjà conduit des plateformes à prendre des mesures à l’encontre d’utilisateurs ou de candidats, en invoquant des comportements assimilés à du “trading” fondé sur des informations internes.

Au-delà du cas particulier, ce type d’affaires rappelle l’importance, pour les plateformes et les régulateurs, de renforcer les contrôles et la traçabilité, notamment sur les circuits de paiement et l’usage des crypto-actifs.

Pour les utilisateurs qui souhaitent mieux sécuriser leurs pratiques numériques, certains se tournent vers des solutions matérielles de protection comme un portefeuille matériel type Ledger, afin de réduire les risques liés à la gestion d’actifs et à l’accès non autorisé aux comptes.

Enfin, dans un univers où l’ingénierie sociale peut jouer un rôle, l’adoption d’outils d’authentification renforcée, par exemple via un clés de sécurité USB pour la double authentification, est souvent considérée comme un complément utile à la sécurité en ligne.

À l’occasion de Google Cloud Next, Google et NVIDIA ont présenté une feuille de route visant à réduire le coût de l’inférence, c’est-à-dire l’exécution de modèles d’intelligence artificielle en conditions réelles, à grande échelle. L’enjeu est de taille : à mesure que l’adoption des assistants, agents et services basés sur l’IA s’intensifie, la facture liée au déploiement devient aussi déterminante que celle de l’entraînement.

Des instances A5X pensées pour abaisser le coût par token

Les annonces mettent en avant les nouvelles instances bare-metal A5X, conçues pour s’appuyer sur des systèmes NVIDIA Vera Rubin NVL72 à l’échelle des racks. Selon les deux entreprises, un co-développement matériel et logiciel vise une baisse pouvant aller jusqu’à dix fois du coût d’inférence par token par rapport aux générations précédentes, tout en augmentant fortement le débit de traitement.

Ce type d’amélioration repose sur des optimisations à la fois côté puces, interconnexions et pile logicielle. L’objectif affiché est de mieux valoriser l’investissement matériel sur des charges utiles où l’inférence se répète, souvent avec des exigences de latence et de disponibilité élevées.

Un défi de bande passante à résoudre pour passer à grande échelle

À grande échelle, faire travailler des milliers de processeurs en parallèle impose une communication rapide et stable entre les nœuds. Les instances A5X s’appuient sur un couplage matériel/logiciel combinant des cartes NVIDIA ConnectX-9 SuperNIC et la technologie réseau Virgo de Google.

D’après les présentations, la configuration peut atteindre jusqu’à 80 000 GPU dans un cluster sur un site, et jusqu’à 960 000 GPU dans un déploiement multi-sites. À ce niveau, la gestion opérationnelle devient un facteur clé : il faut synchroniser finement l’acheminement des données pour éviter que des ressources de calcul restent inactives.

Gouvernance des données et chiffrement confidentiel

Au-delà des performances, les contraintes de conformité freinent souvent les projets IA en entreprise, notamment dans les secteurs fortement régulés comme la finance ou la santé. Les questions de souveraineté des données et de protection des informations sensibles sont alors centrales.

Google a indiqué que des modèles Gemini fonctionnant sur des GPU NVIDIA Blackwell et Blackwell Ultra sont proposés en aperçu sur Google Distributed Cloud. Le principe consiste à permettre l’exécution de modèles dans des environnements contrôlés, en gardant les modèles et les données sensibles sous contrôle des organisations.

Ces déploiements s’appuient aussi sur le chiffrement au niveau matériel via NVIDIA Confidential Computing. L’idée est d’empêcher des entités non autorisées, y compris dans certaines configurations liées à l’infrastructure cloud, d’accéder aux données de prompts ou aux éléments utilisés pour l’affinage.

Google prévoit également une offre de machines virtuelles confidentielles (Confidential G4 VMs) équipées de GPU NVIDIA RTX PRO 6000 Blackwell, visant à apporter des protections cryptographiques dans des environnements multi-tenant. L’annonce souligne qu’il s’agit d’une première déclinaison de ce type pour les GPU Blackwell côté cloud.

Réduire la friction logicielle des agents IA

La mise au point d’agents IA, capables d’enchaîner des actions et d’interagir avec des interfaces applicatives, implique davantage que l’entraînement d’un modèle. Elle nécessite aussi l’orchestration de systèmes multi-étapes : connexion aux API, synchronisation de bases vectorielles et maîtrise des erreurs ou hallucinations lors de l’exécution.

NVIDIA a présenté Nemotron 3 Super disponible via la Gemini Enterprise Agent Platform, destinée à aider au déploiement de modèles de raisonnement et multimodaux pour des tâches agentiques. Google Cloud et NVIDIA indiquent avoir optimisé leur plateforme pour s’adapter à plusieurs familles de modèles, afin de faciliter la conception de systèmes qui “raisonnent, planifient et agissent”.

Enfin, la montée en charge du training, notamment dans des cycles d’apprentissage par renforcement, peut générer un surcoût d’ingénierie et de gestion. Pour y répondre, Google et NVIDIA ont évoqué des Managed Training Clusters intégrant une API de renforcement apprise via NVIDIA NeMo RL, avec automatisation du dimensionnement du cluster, de la reprise en cas d’incident et de l’exécution des jobs.

Du calcul accéléré à la simulation “physique”

Les applications industrielles posent d’autres exigences : relier des jumeaux numériques à des environnements physiques demande des simulations, des modèles précis et des formats de données compatibles avec des systèmes existants. Google et NVIDIA ont indiqué que leurs bibliothèques et briques d’infrastructure orientées “physical AI” peuvent servir de base à la simulation et à l’automatisation de scénarios industriels.

Les annonces mentionnent l’utilisation de bibliothèques Omniverse et du framework Isaac Sim (notamment via une place de marché cloud) pour faciliter la création de jumeaux numériques physiquement plausibles et entraîner des pipelines de robotique avant le déploiement en conditions réelles.

Pour faire le lien vers des agents capables de comprendre et naviguer dans des environnements, l’écosystème combine aussi des microservices NVIDIA NIM et des outils comme Vertex AI et Google Kubernetes Engine, afin de passer de la conception assistée par ordinateur vers des simulations industrielles exploitables.

Ce que cela change concrètement pour le secteur

La réduction du coût de l’inférence n’est pas qu’un chiffre : elle peut influencer la manière dont les organisations dimensionnent leurs services, la fréquence d’exécution et le choix des modèles. Les annonces décrivent un portefeuille d’options allant de configurations “racks” complètes jusqu’à des instances plus fractionnées, permettant d’ajuster plus finement les ressources selon les besoins.

En pratique, cela peut aider des déploiements aux profils variés : traitements mixtes (raisonnement, extraction, traitement de données), déploiements d’agents en production, ou encore usages nécessitant de grandes quantités de calcul répétées.

Pour les entreprises qui évaluent ce type de transition, l’infrastructure interne joue souvent un rôle dans la rapidité de qualification. À titre indicatif, un SSD NVMe performant peut contribuer à réduire des temps de chargement dans des pipelines de données et d’expérimentation, tandis qu’un switch réseau 25GbE managé peut aider à améliorer la fiabilité des flux internes lors de tests et d’orchestration à l’échelle.

À l’occasion des présentations autour de sa station spatiale Haven-1, la société Vast détaille le “flight suit” destiné aux membres d’équipage. L’objectif affiché est simple : un vêtement conçu pour l’apesanteur, la vie à bord et les gestes techniques, tout en restant adaptable à chaque participant.

Un “flight suit” pensé pour l’apesanteur

Le Vast Astronaut Flight Suit est développé avec l’optique de répondre aux besoins opérationnels de l’équipage, aussi bien lors des phases d’entraînement sur Terre qu’au quotidien en orbite. Le vêtement peut être porté en une ou deux pièces : le haut se fixe ou se détache du bas grâce à une fermeture zippée, permettant des ajustements rapides.

Pour favoriser le confort et la mobilité en microgravité, la combinaison intègre des aérations dorsales ainsi que des empiècements aux épaules. Elle est également dotée de poches et de fixations type Velcro afin de garder les outils accessibles pendant les tâches à bord.

Des détails d’usage et une personnalisation discrète

Le design reste sobre avec une couleur blanche et une coupe uniforme, mais le vêtement prévoit des éléments de personnalisation. Chaque membre d’équipage aura son propre écusson lié à la mission, ainsi qu’un emplacement pour sa carte d’accès, selon les modalités décrites par l’entreprise.

Dans les espaces exigus d’une station orbitale, l’enjeu est de limiter les contraintes de mouvement et de maintenir l’équipement à portée de main. Selon Megan McArthur, conseillère de Vast, l’apesanteur impose des déplacements constants et des positions corporelles différentes de celles rencontrées sur Terre.

Une montre certifiée pour les conditions de vol

En complément de la tenue, Vast prévoit aussi une montre spécifique pour l’équipage : la Pilot’s Venturer Vertical Drive. Ce modèle, développé en partenariat avec IWC Schaffhausen, vise à répondre aux contraintes du vol habité, notamment le remplacement de la couronne par un dispositif plus compatible avec le port de gants, ainsi que des exigences de résistance aux vibrations et aux variations de pression.

IWC propose ce modèle à un prix annoncé de 28 200 dollars.

Pour les curieux de matériel technique, on peut aussi trouver des accessoires de rangement pratiques pour organiser ses petits outils et chargeurs au quotidien, par exemple un kit de pochettes de rangement pour accessoires électroniques, utile lors de déplacements ou pour préparer un sac technique.

Dans un registre plus “outillage”, un kit d’outils de précision pour petits travaux peut également être pertinent pour ceux qui cherchent à conserver des instruments essentiels à portée de main, même en dehors d’un contexte spatial.