🪢 L'IA pas chère est en train de pourrir vos livrables de l'intérieur
DeepSeek V4 hallucine à 94 % quand il ignore la réponse, GPT-5.5 à 86 %. Le problème n'est pas la techno, c'est l'absence de cadre.
Chers Insiders,
Il y a une métrique que personne n’a regardée cette semaine, et c’est la seule qui compte. Pendant que tout le monde célébrait la sortie de DeepSeek V4 à 1,74 dollar le million de jetons et celle de GPT-5.5, Artificial Analysis publiait son benchmark AA-Omniscience qui pose une question simple : que fait un modèle quand il ne sait pas ? Le résultat est passé sous silence. DeepSeek V4-Pro hallucine à 94 % quand il ignore la réponse. V4-Flash à 96 %. GPT-5.5 à 86 %. Sur 6 000 questions, tous les modèles sauf trois inventent plus souvent qu’ils ne donnent la bonne réponse.
Et pendant ce temps, on célèbre le tokenmaxxing.
Le tokenmaxxing, ce néologisme apparu en avril, désigne la course à la consommation maximale de jetons IA dans les équipes. Meta a popularisé le concept malgré elle en laissant fuiter son leaderboard interne « Claudeonomics », qui célèbre les plus gros consommateurs avec des titres comme « Token Legend ». Sauf que les chiffres ne tiennent pas. Selon Faros AI, le code churn (les lignes que les développeurs jettent et réécrivent ensuite) a augmenté de 861 % chez les utilisateurs intensifs d’IA. Selon Jellyfish, les ingénieurs aux plus gros budgets produisent deux fois plus de pull requests, à dix fois le coût. Selon Waydev, le taux d’acceptation des suggestions tombe de 80-90 % au premier prompt à 10-30 % une fois les réécritures comptées.
Plus les jetons sont bon marché, plus on en consomme. Et quand cette consommation se fait sans formation et sans relecture sérieuse, le résultat porte aujourd’hui un nom. Les chercheurs de Stanford et BetterUp Labs l’ont appelé le « workslop » dans une étude publiée par la Harvard Business Review en septembre 2025, sur 1 150 cols blancs américains. 41 % ont déjà reçu du contenu IA bâclé d’un collègue, chaque livrable coûte près de deux heures de retravail au destinataire, et la facture annuelle dépasse neuf millions de dollars pour une grande entreprise. La moitié considèrent l’expéditeur comme moins compétent et moins fiable. La productivité ne monte pas. Elle se déplace, du producteur initial vers ceux qui rattrapent derrière lui.
Pourquoi ce phénomène prospère, alors qu’il est documenté noir sur blanc dans HBR depuis sept mois ? Parce que les coûts d’API se voient sur une ligne du P&L, alors que le coût de la vérification humaine ne se voit nulle part. Les arbitrages sont faits en aveugle par les directions financières et achats, qui regardent la facture API et pas le temps réel passé par les experts à retracer du raisonnement, à vérifier des sources qui n’existent pas, à délier les éclats de génie des hallucinations. Lenovo chiffre que 70 % de l’IA en entreprise est non contrôlée. Capgemini, sur 500 entreprises, montre que 68 % des projets IA dépassent leur budget de 42 % en moyenne, et que le coût total de possession est sous-estimé de 40 à 60 %.
Ajoutez à ça le shadow AI, l’usage non déclaré de modèles IA par les équipes. BlackFog mesure 49 % des employés qui admettent utiliser des outils non autorisés, Salesforce 55 %, Zendesk près de 50 % dans le service client. Et 69 % des organisations ont la preuve interne que leurs salariés utilisent des modèles interdits. Le signal est clair. Les politiques de blocage pur ne tiennent pas. Sans cadre positif d’usage et sans accompagnement, la pratique trouve toujours sa voie, autorisée ou pas.
Et au bout de la chaîne, les agents. Le benchmark LongCLI-Bench, repris par le chercheur Elhassan Saravia, montre que les meilleurs réussissent moins de 20 % des tâches longues. Le mode d’échec dominant n’est pas la capacité brute, c’est la fiabilité. L’agent dérive légèrement hors chemin, l’erreur s’amplifie, la sortie finale est fausse et présentée avec aplomb. VentureBeat parle de « silent failures », ces défaillances qui ne déclenchent aucune alerte parce que les indicateurs d’infrastructure restent au vert, mais où le système est durablement faux.
Avant de poursuivre, soyons clairs sur ce que ces chiffres disent et ce qu’ils ne disent pas. Ils ne disent pas qu’il faut renoncer à l’IA. L’IA, bien utilisée, est un levier de productivité et d’agilité que je vois jouer tous les jours, à mon poste comme chez nos clients. Ce qu’ils disent, c’est que l’adoption à grande échelle traverse une phase de chaos qui est parfaitement normale, parce que les organisations déploient plus vite qu’elles ne forment, gouvernent et cadrent. Le chaos en soi n’est pas le problème. Le problème, c’est de regarder la mauvaise boussole pendant qu’on en sort. Et la sortie ne passera pas par moins d’IA. Elle passera par plus de discipline, plus de formation, plus de responsabilité individuelle.
Deux principes structurent toute stratégie IA qui tient debout. Le premier, choisir ses modèles sur leur fiabilité, pas sur leur performance brute. Qu’un modèle arrive en tête d’un benchmark de raisonnement ne dit rien de ce qu’il fait quand il ne sait pas, et c’est précisément là que se joue la qualité d’un livrable. Préférer un modèle dix fois moins cher au jeton parce qu’il « tient » sur la performance, en fermant les yeux sur un taux d’hallucination de 86 à 96 %, c’est une hérésie. C’est la recette du désastre. Le second principe, savoir précisément ce qu’on cherche à optimiser. Optimiser la facture API et optimiser la productivité réelle d’une équipe sont deux objectifs qui ne convergent pas. Un livrable IA produit à bas prix mais qu’il faut reprendre derrière coûte plus cher au bout de la chaîne, et expose à des risques que la ligne API ne capturera jamais.
C’est précisément pour cela que, dans toutes les automatisations que nous mettons en place chez nos clients, nous n’acceptons qu’un seul indicateur clé : le temps de cycle d’une tâche avant et après l’introduction de l’IA. Pas le volume de jetons consommés, pas la cadence brute, mais le temps réel pour rendre un livrable que personne n’a besoin de retravailler. Et ce KPI n’a de sens que parce qu’il s’inscrit dans une gouvernance IA structurée et dans une charte qui responsabilise nominalement la personne qui signe le livrable. C’est cette articulation qui change tout. L’IA accélère le processus, elle ne dilue jamais la responsabilité de celui qui rend le travail. L’outil reste à sa place, un accélérateur, pas un alibi.
Bonne lecture et à la semaine prochaine !
🪢 Daphnée d’IA Éthique Insider
Suivez-moi sur LinkedIn, Instagram, Youtube
News de la semaine en bref
🤓 Général
DeepSeek V4 casse les prix et tourne sur des puces chinoises (lecture de 5 min)
Le laboratoire chinois DeepSeek a sorti le 24 avril 2026 son nouveau modèle V4 sous licence MIT (libre d’usage commercial), en variantes Pro et Flash. Trois faits saillants. Une fenêtre de contexte d’un million de jetons (la « mémoire de travail » du modèle), contre 128 000 sur V3. Un support natif des puces Huawei Ascend 950, première démonstration grand public qu’une IA frontière peut tourner hors de l’écosystème Nvidia. Et un tarif d’environ 1,74 dollar par million de jetons en entrée et 3,48 en sortie, soit dix fois moins cher que GPT-5.5 ou Opus 4.7. Sur le benchmark Vibe Code Bench, V4-Pro arrive en tête. Sur l’Intelligence Index d’Artificial Analysis, il chute en quatrième tier. Signal pour les DSI européens : la dépendance à Nvidia n’est plus une fatalité technique.
OpenAI lance GPT-5.5, plus efficient en jetons que la version précédente (lecture de 4 min)
OpenAI a annoncé GPT-5.5 le 23 avril 2026, sa nouvelle version phare quelques semaines après GPT-5.4. Le pitch d’OpenAI, mis en avant par le directeur de la recherche Mark Chen, n’est pas l’augmentation de capacité brute mais la baisse de la consommation de jetons à qualité égale. Le modèle est positionné sur l’écriture et le débogage de code, l’utilisation autonome de l’ordinateur, l’analyse de données, la recherche scientifique. La variante GPT-5.5 Pro est ouverte aux abonnés payants, et l’API est disponible depuis le 24 avril. Lecture stratégique : OpenAI ne pousse plus la performance pour la performance, il cherche à reprendre la guerre des coûts à DeepSeek tout en consolidant le positionnement super-app via Codex et ChatGPT.
Google injecte jusqu’à 40 milliards de dollars dans Anthropic (lecture de 4 min)
Alphabet a annoncé le 24 avril 2026 un investissement dans Anthropic en cash et en compute (puissance de calcul fournie via Google Cloud). 10 milliards de dollars sont engagés à une valorisation de 350 milliards, 30 milliards supplémentaires sont conditionnés à l’atteinte d’objectifs. Ce tour intervient quelques jours après l’annonce d’Amazon de porter sa propre enveloppe à 25 milliards. Le revenu annuel récurrent d’Anthropic est passé de 9 milliards fin 2025 à plus de 30 milliards en avril 2026, tiré par Claude Code. Lecture : la concentration capitalistique de l’IA s’amplifie. Les deux outsiders crédibles à OpenAI sont financés par les deux mêmes hyperscalers, qui sont aussi leurs fournisseurs de compute. La frontière entre client, concurrent et bailleur de fonds n’existe plus.
Meta s’aligne sur AWS Graviton5 pour ses charges agentiques (lecture de 3 min)
Meta a annoncé le 24 avril 2026 le déploiement de « dizaines de millions de cœurs » de processeurs AWS Graviton5 dans son infrastructure. Graviton est la puce maison d’AWS basée sur l’architecture ARM, alternative aux processeurs Intel et AMD pour les charges CPU intensives. Justification donnée par Santosh Janardhan (chef de l’infrastructure de Meta) : les agents IA autonomes consomment beaucoup plus de CPU que les générations précédentes parce qu’ils raisonnent et orchestrent au-delà du calcul GPU. Lecture : Meta diversifie ses sources de calcul (silicium maison, Nvidia, AWS) plutôt que de tout miser sur une architecture, et confirme que la couche CPU redevient un sujet stratégique à mesure que l’IA passe du modèle pur à l’agent.
Anthropic ouvre Project Deal, des agents qui négocient pour vous (lecture de 4 min)
Anthropic a publié les résultats de Project Deal, expérience où 69 employés ont laissé des agents Claude négocier 186 transactions réelles pour plus de 4 000 dollars au total. L’enseignement le plus dérangeant n’est pas que les agents arrivent à conclure des deals, c’est que les modèles les plus puissants (Claude Opus) gagnent en moyenne 2,68 dollars de plus par item à la vente et payent 2,45 dollars de moins à l’achat que les modèles plus modestes (Claude Haiku). Les utilisateurs représentés par un agent moins performant ne s’en rendent pas compte, ils notent l’équité de la transaction au même niveau que les autres. Enjeu : l’économie agentique va générer une inégalité que ses victimes ne perçoivent pas. Acheter en B2B avec un modèle moins cher coûtera systématiquement plus cher sans le voir.
Cohere et Aleph Alpha fusionnent pour bâtir un champion souverain (lecture de 5 min)
Le canadien Cohere et l’allemand Aleph Alpha ont annoncé le 24 avril 2026 leur fusion pour créer une entité à 20 milliards de dollars de valorisation, soutenue politiquement par les gouvernements canadien et allemand. Le groupe Schwarz (propriétaire de Lidl) entre comme partenaire stratégique avec 500 millions d’euros de financement structuré, en échange l’entité tournera sur STACKIT, le cloud souverain de Schwarz Digits. La cible : finance, défense, énergie, manufacturing, télécoms, santé. Tout ce qui est régulé et où la dépendance aux clouds américains pose un problème de conformité. Pour la France et l’Europe, c’est une bonne nouvelle au plan symbolique, et un avertissement opérationnel. Le centre de gravité de la souveraineté IA pour les régulés se construit avec un canadien et un allemand. Pas avec un français.
Google Pomelli génère catalogues et sites pour les PME (lecture de 3 min)
Google Labs et DeepMind testent depuis avril 2026 deux nouvelles capacités dans Pomelli, leur agent marketing pour PME : Catalog (générer fiches produits, publicités et posts depuis l’URL d’une boutique en ligne) et Websites (créer une landing page ou un site marketing complet, potentiellement hébergé chez Google). Pomelli intègre déjà Veo 3.1 pour la vidéo et Nano Banana pour la photo studio. L’expansion européenne (UE, Royaume-Uni, Suisse) a été annoncée en avril 2026 après un lancement initial en octobre 2025. Enjeu : Google s’apprête à concurrencer Wix, Squarespace et toute la longue traîne des agences web junior, en se positionnant comme le « département marketing complet » des TPE-PME. Pression sur les prestataires de service marketing en France à anticiper.
Anthropic teste BugCrawl, un scanner de bugs pour le code complet (lecture de 3 min)
Anthropic teste depuis avril 2026 BugCrawl, une nouvelle fonctionnalité de Claude Code qui scanne un dépôt entier pour identifier des bugs et proposer des correctifs. La fonctionnalité ciblera d’abord les abonnés Team et Enterprise. À noter, Anthropic prévient explicitement que la fonction « consomme des jetons à un rythme élevé », ce qui revient à recommander de ne pas pointer le scanner sur des dépôts trop volumineux. Sortie probable en research preview comme les fonctions Security (février 2026) et Review (mars 2026). Lecture : la couche autonome de Claude Code monte du fichier au dépôt entier. Pour les directions techniques, c’est l’occasion de structurer une politique d’usage avant que le shadow AI ne s’installe sur les bases de code internes.
Musk approche du lancement de X Money, le pari super-app (lecture de 4 min)
Elon Musk vise un lancement public de X Money, son outil de services financiers, dans les prochains jours. Le service promet 3 % de cashback sur les achats éligibles, 6 % d’intérêt sur l’épargne (environ quinze fois la moyenne nationale américaine), des virements peer-to-peer gratuits, une carte Visa metal personnalisée avec le handle X de l’utilisateur, et un concierge IA construit par xAI qui suit les dépenses. L’ambition est claire, transformer X en super-app sur le modèle de WeChat. Plusieurs États américains, dont New York, n’ont pas encore accordé de licence de paiement. Lecture : la dimension IA du projet, un agent personnel qui voit toutes vos transactions, ouvre un nouveau front sur la donnée intime. À surveiller pour les DSI et DPO européens si le service traverse l’Atlantique.
VentureBeat alerte sur les « silent failures » des systèmes agentiques (lecture de 6 min)
VentureBeat publie cette semaine une analyse approfondie des trois plaies cachées des systèmes IA en production. Le « context decay » désigne la dégradation progressive de la qualité des sorties d’un agent à mesure que sa fenêtre de contexte se remplit de bruit. L’« orchestration drift » désigne le phénomène où une chaîne d’appels (récupération, inférence, outil, action) se met à diverger sous charge réelle, sans qu’aucun composant ne déclenche d’alerte. Le « silent failure » désigne le cas où le système est opérationnellement vert sur tous les dashboards, mais durablement faux et livré avec aplomb. Phrase qui résume : « la défaillance la plus coûteuse n’a fait sonner aucune alarme ». Pour les responsables IA et data, l’enjeu est de basculer du monitoring d’infrastructure au monitoring d’intention.
Anthropic publie un post-mortem sur la dégradation silencieuse de Claude Code (lecture de 5 min)
Anthropic a publié le 23 avril 2026 un post-mortem reconnaissant qu’un bug a dégradé silencieusement la qualité de Claude Code entre le 26 mars et le 10 avril 2026. La cause, un mécanisme de réduction de coût qui supprimait automatiquement le « raisonnement caché » des sessions inactives depuis plus d’une heure. Le bug supprimait répétitivement au lieu d’une seule fois, vidant les sessions de leur état interne. Sonnet 4.6 et Opus 4.6 sont concernés. La réaction sur Hacker News est dure, non sur le coût (les caches d’inférence pèsent des dizaines de gigaoctets, c’est une vraie contrainte) mais sur le manque de transparence. Enjeu pour les DSI : un fournisseur d’IA est aussi un opérateur d’infrastructure. La SLA implicite sur la qualité du modèle compte autant que la SLA contractuelle sur la disponibilité.
Le WSJ consacre une enquête à ASML, la machine la plus indispensable du monde (lecture de 12 min)
Le Wall Street Journal a publié cette semaine une enquête sur ASML, l’entreprise néerlandaise qui fabrique les machines de lithographie EUV (gravure ultra-violet extrême) indispensables à toute production de puces avancées sous 7 nanomètres. Chaque machine coûte 370 millions de dollars, contient 457 329 pièces, nécessite trois Boeing 747 pour être transportée et a demandé 20 ans de R&D. ASML a relevé son objectif de chiffre d’affaires 2026 à 36-40 milliards d’euros (contre 34-39 milliards précédemment). Le groupe vise au moins 60 machines EUV livrées en 2026. Sans ASML, ni Apple, ni Nvidia, ni Huawei à terme ne peut fabriquer de puce frontière. Pour l’Europe, c’est l’actif souverain le plus stratégique du continent. Pour les contrôles à l’export américains, c’est le levier de pression numéro un sur la Chine.
⚖️ Fairness
Coco Robotics partage ses données d’obstacles avec une app pour aveugles (lecture de 5 min)
Coco Robotics, qui exploite environ 1 000 robots de livraison sur trottoir à Los Angeles, Miami, Chicago, Jersey City, Helsinki et Turku, a noué un partenariat avec BlindSquare, application GPS pour personnes déficientes visuelles. Les robots remontent en temps réel les obstacles rencontrés (trottinettes mal garées, trottoirs cassés, absence de bateau pour traverser), et BlindSquare convertit ces alertes en consignes vocales en 26 langues, environ 10 mètres avant l’obstacle. Ilkka Pirttimaa (fondateur de BlindSquare, déjà 90 000 téléchargements dans 190 pays en 14 ans) précise que les données municipales sont souvent obsolètes alors que celles des robots sont mises à jour à l’heure. À Venice Beach, la donnée Coco a permis à Los Angeles d’identifier trois points où poser un bateau pour rouvrir un quartier entier. Cas rare où l’IA mobile génère un bénéfice d’accessibilité réel sans collecte de données personnelles.
Péter Szász propose le manuel de l’« agentic engineering management » (lecture de 7 min)
Péter Szász, mentor en leadership tech, signe une analyse fouillée sur la délégation aux agents IA des tâches de management d’équipe. Il classe les missions selon deux axes, l’aptitude à l’autonomie (répétitivité, réversibilité, ambiguïté) et le gradient de confiance (risque relationnel). Verdict, l’exécution (triage de pull requests, grooming de backlog, doc) est mûre pour la délégation. La dynamique d’équipe (stand-ups asynchrones, triage de signaux internes) tolère une autonomie partielle. Le développement personnel reste la zone à plus haut risque, où l’agent doit fonctionner comme un linter privé, pas comme un système de surveillance. Garde-fous proposés : seuils de confiance, mode dry-run, limites de blast radius, audit trail. Enjeu : la fonction de manager d’équipe technique va se déplacer vers le travail stratégique et relationnel.
Wired enquête sur le malaise interne à Palantir (lecture de 9 min)
Wired publie cette semaine une enquête fondée sur des entretiens et des messages Slack internes de Palantir (entreprise américaine de logiciels pour la défense, le renseignement, la police et l’immigration). Le malaise est massif. Les salariés citent l’implication croissante dans l’application des politiques migratoires de l’administration Trump (suivi et déportation de migrants pour le DHS) et un événement précis, la frappe américaine du 28 février sur une école élémentaire iranienne qui a tué plus de 120 enfants, et où les outils de Palantir, dont Maven, ont été utilisés. Le canal Slack #palantir-in-the-news efface désormais les conversations au bout de sept jours. Le manifeste en 22 points publié par le PDG Alex Karp a déclenché une chute en bourse et une crise interne, des salariés employant ouvertement le terme « descente vers le fascisme ».
Shopify multiplie ses stages d’ingénieurs juniors par dix (lecture de 4 min)
À contre-courant des plans sociaux des géants tech, Shopify a fait passer son programme de stages d’ingénieurs d’environ 100 à 1 000 places annuelles, et confirme l’ordre de grandeur pour l’année en cours. Farhan Thawar (VP Engineering) explique le raisonnement : les jeunes diplômés ont grandi avec l’IA, leur intuition sur les outils est plus juste que celle des seniors, et la fonction de stagiaire devient une « interview longue » de quatre mois où l’on évalue la résolution de problèmes en autonomie sous IA. Les recrues sont testées sur trois modes, sans IA, IA optionnelle, IA imposée. Shopify ne crée pas de poste « AI engineer » distinct, considère que tous les ingénieurs doivent maîtriser ces outils. Enjeu : pendant que Meta supprime 8 000 postes pour financer ses GPU, un autre acteur fait le pari inverse, le talent junior natif IA comme actif stratégique.
Un amateur résout avec ChatGPT un problème ouvert depuis 60 ans (lecture de 5 min)
Liam Price, 23 ans, mathématicien amateur sans formation avancée, a soumis à GPT-5.4 Pro une conjecture posée par Paul Erdős il y a soixante ans, sur la valeur minimale d’un score associé aux « ensembles primitifs » (collections d’entiers où aucun élément ne divise un autre). Le modèle a proposé une preuve d’une approche entièrement nouvelle, en empruntant un théorème connu d’un domaine voisin. Terence Tao (médaille Fields, Université de Californie Los Angeles) commente que l’IA a trouvé « une méthode totalement nouvelle » et suggère que les humains avaient pris « un mauvais virage dès le premier coup ». Jared Lichtman, qui avait travaillé sur le sujet, parle de validation. Tous deux nuancent, prématuré d’extrapoler. Enjeu : le débat « l’IA va-t-elle remplacer les chercheurs » se déplace vers « comment l’IA modifie le geste de recherche ».
Coachella et Google DeepMind testent l’IA sur le live (lecture de 4 min)
Coachella et Google DeepMind ont mené trois prototypes pendant l’édition 2026 du festival. Un système qui capture l’éclairage, le son, les visuels et les mouvements de foule d’un concert pour reconstruire l’expérience en environnement 3D explorable depuis n’importe quel point de vue (le « Genie » world-model de DeepMind). Un outil de pré-visualisation pour les artistes (entrer un visuel ou un texte, voir ce que ça donnerait sur la scène à différentes heures). Un mini jeu mobile dans lequel un astronaute traverse des univers inspirés des artistes. Les prototypes restent internes, pas de date de mise sur le marché. Enjeu : l’industrie du live entre dans la phase « post-production augmentée par IA ». Les questions juridiques sur les droits voisins, la captation de foule, la voix recomposée vont se poser très vite.
Stanford lance Human Intelligence pour appliquer l’IA à la physiologie (lecture de 5 min)
James Zou, professeur associé en biomedical data science à Stanford, lève environ 100 millions de dollars à 1 milliard de valorisation pour Human Intelligence, sa nouvelle entreprise qui applique l’IA à la recherche en physiologie. Son CV comprend EchoNet (IA cardiaque approuvée par la FDA, qui a battu des échographistes humains en essai clinique) et Virtual Lab (équipes d’agents IA qui ont conçu 92 nanocorps inédits contre le SARS-CoV-2, publiés dans Nature). Sa thèse, structurer des agents IA en équipes de recherche virtuelles permet d’accélérer toute la chaîne, de la cible biologique à la prédiction de résultat clinique. Contexte chiffré, 11 milliards de dollars investis dans la découverte de médicaments par IA au seul T1 2026, mais aucun médicament découvert par IA n’a encore franchi la phase III. Le pôle « life sciences + IA » se structure aux États-Unis avec Stanford comme noyau.
Le département de la Justice américain (DOJ) a déposé le 24 avril 2026 une requête en intervention dans le procès intenté par xAI (la société IA d’Elon Musk) contre la loi du Colorado sur la discrimination algorithmique, le Colorado Anti-Discrimination in AI Act (SB 24-205, qui doit entrer en vigueur le 30 juin 2026). xAI argue que construire un modèle est un acte de parole protégé par le Premier Amendement et que forcer un éditeur à corriger les écarts statistiques de ses sorties revient à imposer un discours. Le juge a accepté l’intervention en quelques heures. En décembre, Donald Trump avait signé un décret désignant la loi du Colorado comme « réglementation pesante ». Enjeu : la doctrine américaine bascule, on passe d’un pays sans loi fédérale IA à un pays qui combat activement les lois IA des États. Pour l’Europe, c’est l’inverse exact de l’AI Act.
🔓 Safety
Microsoft intègre Claude Mythos dans son Security Development Lifecycle (lecture de 4 min)
Microsoft a annoncé le 22 avril 2026 l’intégration de Claude Mythos Preview, le modèle le plus puissant d’Anthropic, dans son Security Development Lifecycle (le cadre interne qui régit la sécurité du code Microsoft de la conception au déploiement). Mythos est un modèle réservé à un cercle restreint via Project Glasswing, le programme d’Anthropic dédié à la cybersécurité défensive. Annoncé le 7 avril, Mythos a déjà identifié « des milliers » de vulnérabilités majeures dans des systèmes d’exploitation et navigateurs. Microsoft prévoit un scanner multi-modèles en preview en juin 2026, déploiement progressif au T3 2026 et disponibilité générale en 2027. Enjeu : un éditeur logiciel américain « critique » externalise une partie de la sécurité de son code à un tiers. Pour les RSSI européens, ouvrir un audit sur l’usage de Mythos par leurs propres fournisseurs devient pertinent.
La classe moyenne de l’IA est en train de disparaître (lecture de 8 min)
Janakiram MSV publie sur The New Stack un papier qui structure ce que beaucoup ressentaient sans pouvoir le formuler. Le marché de l’IA se polarise entre, d’un côté, des acteurs frontières très chers (Opus, GPT-5.5 Pro) qui visent les charges critiques où l’erreur coûte cher, et de l’autre, des modèles ultra bon marché à la DeepSeek V4 qui visent le volume. Le « middle class » des modèles à coût et performance moyens disparaît, écrasé par les deux extrêmes. Janakiram met en garde contre la tentation du tokenmaxxing, c’est-à-dire confondre la consommation de jetons avec la productivité réelle. Le piège pour les entreprises est de basculer trop tôt vers le bas de gamme sur des charges où la fiabilité compte. Enjeu : la décision « quel modèle pour quelle tâche » devient l’arbitrage IA le plus structurant des trois prochaines années. L’erreur d’arbitrage se voit avec six mois de retard.
Elvis Saravia rappelle que les agents IA s’effondrent sur les tâches longues (lecture de 3 min)
Le chercheur Elhassan Saravia (alias elvis) attire l’attention sur le benchmark LongCLI-Bench, qui teste les agents IA sur 20 tâches CLI complexes (construction, ajout de fonctionnalités, correction de bugs, refactoring). Verdict, les agents les plus performants réussissent moins de 20 % des tâches. Le mode d’échec dominant n’est pas la capacité brute, c’est la fiabilité, l’agent fait dériver des appels d’outils légèrement hors chemin et l’erreur s’amplifie au fil de l’exécution. La piste qui marche, la collaboration humain-agent guidée par un plan explicite, plutôt que l’autonomie totale. Enjeu pour les directions IA : tant que la fiabilité des agents sur tâche longue reste sous 20 %, prévoir un humain dans la boucle n’est pas un luxe, c’est la condition de la mise en production.
Le protocole MCP d’Anthropic souffre d’une faille critique d’exécution de code (lecture de 4 min)
Tom’s Hardware révèle le 22 avril 2026 une vulnérabilité critique d’exécution de code à distance dans les SDK du Model Context Protocol (MCP), le protocole ouvert d’Anthropic qui permet aux IA de se connecter à des outils tiers (bases de données, applis, API). La faille viendrait d’un choix d’architecture des SDK et concerne potentiellement environ 200 000 serveurs IA en production. MCP s’est imposé comme standard de fait pour le branchement entre agents IA et systèmes d’information internes. Enjeu : pour tout RSSI qui a laissé MCP s’installer sans audit, un état des lieux d’urgence est à conduire cette semaine. Le scénario d’exploitation, un agent IA qui se voit donner accès à des données internes via un MCP compromis, est la concrétisation du risque que beaucoup imaginaient encore théorique.
Sam Altman s’excuse publiquement à Tumbler Ridge après la fusillade (lecture de 4 min)
Sam Altman (PDG d’OpenAI) a publié une lettre publique le 25 avril 2026 pour s’excuser auprès de la communauté de Tumbler Ridge, en Colombie-Britannique, après la fusillade qui a tué huit personnes. Le suspect, Jesse Van Rootselaar (18 ans), avait vu son compte ChatGPT signalé puis banni en juin 2025 pour avoir décrit des scénarios de violence par arme à feu. Malgré un débat interne, OpenAI avait alors décidé de ne pas alerter les forces de l’ordre. Altman écrit : « Je suis profondément désolé que nous n’ayons pas alerté les autorités à propos du compte banni en juin ». OpenAI annonce de nouveaux protocoles, des critères de signalement plus souples et des points de contact directs avec la police canadienne. David Eby (Premier ministre de Colombie-Britannique) qualifie l’excuse de « grossièrement insuffisante ». Enjeu : la frontière entre modération de plateforme et obligation de signalement aux autorités va se redessiner.
📋 Fiche Mémo : qui contrôle vraiment les puces de l’IA dans le monde
De quoi on parle, en une minute
Quand on parle de « course à l’IA », on pense modèles, GPT-5.5, Claude, Gemini, DeepSeek. Mais derrière chaque modèle, il y a une chaîne physique que peu de dirigeants connaissent en détail, et qui détermine pourtant la souveraineté réelle de chaque pays sur l’IA.
Cette chaîne tient en trois acteurs critiques.
ASML, entreprise néerlandaise qui fabrique les machines de gravure ultra-violet extrême (EUV), seules au monde capables de produire les motifs ultra-fins nécessaires aux puces avancées sous 7 nanomètres.
TSMC, entreprise taïwanaise qui exploite ces machines pour produire physiquement environ 92 % des puces avancées du monde aux nœuds de gravure de 7 nm et en dessous (toutes celles de Nvidia, AMD, Apple et Amazon).
Et Nvidia, entreprise américaine qui conçoit (sans les fabriquer) les processeurs graphiques qui font tourner 86 % du marché des GPU pour datacenters en 2026.
Trois pays, trois maillons. Si un seul casse, toute la chaîne casse. Et derrière, un quatrième acteur monte, Huawei en Chine, qui pousse la puce Ascend pour casser le monopole, mais qui dépend lui-même de fournisseurs étrangers pour les briques amont. Comprendre cette chaîne n’est pas un luxe technique, c’est la condition pour savoir si votre stratégie IA tient sur la durée ou si elle peut tomber en cinq jours sur un événement géopolitique.
Pourquoi ASML est l’actif le plus stratégique d’Europe
ASML est une société néerlandaise basée à Veldhoven (Pays-Bas), spécialisée dans les machines de lithographie. La lithographie, c’est l’étape où l’on dessine sur le silicium les transistors qui composent une puce. Plus la précision du dessin est fine, plus on peut serrer de transistors sur une même surface, et plus la puce est puissante. La technologie EUV (Extreme Ultraviolet) utilise une lumière ultra-violette de très courte longueur d’onde produite par un plasma d’étain, miroir après miroir, pour graver des motifs en dessous de 7 nanomètres (un nanomètre, c’est un milliardième de mètre, environ la taille de cinq atomes alignés).
Une seule machine EUV de dernière génération coûte environ 370 millions de dollars, contient 457 329 pièces, pèse 180 tonnes, et nécessite trois Boeing 747 cargo pour être transportée. Vingt années de R&D ont été nécessaires pour la mettre au point. ASML est aujourd’hui le seul fournisseur mondial. Aucun acteur, ni américain (Applied Materials, Lam Research), ni japonais (Nikon, Canon), ni chinois (SMIC, SMEE), ne maîtrise cette brique.
ASML annonce livrer au moins 60 machines EUV en 2026 et a relevé son objectif de chiffre d’affaires à 36-40 milliards d’euros pour l’année, contre 34-39 milliards précédemment.
Conséquences pratiques : ASML est le levier de pression géopolitique numéro un du monde sur la Chine. Depuis 2023, les autorités néerlandaises, sous pression américaine, interdisent l’export des machines EUV vers la Chine. Pour la France et l’Europe, ASML est l’actif souverain le plus précieux du continent, et pourtant le moins discuté. Toute stratégie IA souveraine européenne doit s’articuler autour de la sécurité long terme de l’écosystème néerlandais.
Pourquoi TSMC est le maillon le plus fragile
TSMC (Taiwan Semiconductor Manufacturing Company) est la « fonderie » qui fabrique les puces conçues par d’autres. Quand Nvidia, Apple ou AMD dessinent une puce, c’est TSMC qui la produit physiquement. La société est basée à Hsinchu, Taïwan, et concentre environ 92 % de la production mondiale des puces les plus avancées (7 nm et en dessous), et 72 % du marché global des fonderies pures à fin 2025, contre 7 % seulement pour Samsung. Toutes les puces Nvidia, AMD, Apple, Amazon, ainsi que toutes les puces IA frontières du monde, sont fabriquées chez TSMC.
Le problème est géographique et géopolitique. Taïwan est revendiquée par Pékin comme province chinoise. Les analyses militaires américaines envisagent depuis plusieurs années un scénario d’invasion ou de blocus à horizon 2027. Si TSMC s’arrête, toute la chaîne IA mondiale s’arrête en quelques semaines, parce qu’aucun acteur ne peut absorber la demande à court terme. TSMC investit dans des usines aux États-Unis (Arizona) et au Japon, mais ces fabriques nouvelles ne couvrent qu’une partie limitée du volume mondial et avec un retard technologique d’une à deux générations.
Conséquences pratiques : la sécurité d’approvisionnement IA de toute entreprise européenne dépend aujourd’hui de l’absence de crise dans le détroit de Taïwan. Pour les directions de la résilience opérationnelle, c’est un risque à intégrer explicitement aux exercices de continuité d’activité. Pas un risque théorique.
Pourquoi Nvidia tient toutes les marges sans rien fabriquer
Nvidia est une entreprise américaine de Santa Clara (Californie) qui conçoit des processeurs graphiques (GPU), les puces qui font tourner l’essentiel des modèles IA mondiaux. Nvidia ne fabrique aucune puce, elle dessine. La fabrication est confiée à TSMC. Nvidia capte la majeure partie de la valeur de la chaîne grâce à trois leviers.
Sa position de quasi-monopole sur les GPU IA frontières (entre 80 et 86 % du marché des GPU pour datacenters en 2026).
Sa couche logicielle CUDA (Compute Unified Device Architecture, l’environnement de programmation propriétaire qui a verrouillé toute une génération de chercheurs IA dans son écosystème depuis 2007).
Et sa stratégie de financement circulaire, Nvidia investit en actions dans ses propres clients (OpenAI, Anthropic, plusieurs néoclouds) pour s’assurer que les charges de travail suivent le capital.
L’arrivée de DeepSeek V4 sur les puces Huawei Ascend cette semaine est un signal faible mais important. Pour la première fois, un modèle IA frontière démontre qu’il peut tourner hors de l’écosystème Nvidia/CUDA. C’est exactement le scénario que Jensen Huang évoquait en interview à Dwarkesh Patel en avril, et qui le préoccupe.
Conséquences pratiques : la dépendance à Nvidia n’est pas qu’une dépendance hardware, c’est aussi une dépendance logicielle (CUDA). AMD ROCm, l’alternative open source, est en 2026 environ 25 à 40 % moins cher par jeton sur les charges d’inférence, bien que la maîtrise nécessite plus d’expertise. Pour les directions techniques européennes, miser sur des piles compatibles avec plusieurs accélérateurs (Triton, OpenCL, ROCm, MAX de Modular) plutôt que sur du CUDA pur est une décision de souveraineté à long terme.
Le pari Huawei et la fragmentation chinoise
Huawei est l’acteur chinois qui essaye depuis 2020, sous embargo américain, de bâtir une chaîne semiconducteur indépendante. Sa puce Ascend (dernière génération Ascend 950) est le pendant chinois du GPU Nvidia. Huawei ne fabrique pas non plus ses puces, elle les fait produire chez SMIC (Semiconductor Manufacturing International Corporation), la principale fonderie chinoise basée à Shanghai. SMIC ne dispose pas de machines EUV (l’embargo néerlandais), elle utilise des machines de lithographie plus anciennes (DUV, Deep Ultraviolet) avec des techniques de double et triple patterning, plus chères et avec des rendements inférieurs.
Selon le secrétaire au Commerce américain Howard Lutnick, Huawei n’aurait produit qu’environ 200 000 puces IA Ascend en 2025. Pour comparaison, Nvidia livre des millions de GPU H100 et H200 par trimestre. La Chine est donc encore très loin du compte sur le volume, malgré un rattrapage sérieux sur l’algorithme et le software.
L’annonce DeepSeek V4 + Huawei Ascend de cette semaine doit être lue comme un coup de communication autant qu’une avancée réelle.
Conséquences pratiques : pour les entreprises européennes qui envisagent de diversifier vers la Chine pour réduire leur dépendance américaine, l’offre Huawei n’est pas encore en mesure de fournir le volume nécessaire à des charges de production. Le partenariat technologique avec la Chine, dont nous parlions avec Homéric de Sarthe dans le podcast récent, reste pertinent pour l’open weights et la R&D, pas encore pour la production à grande échelle.
Le bottleneck oublié, l’énergie et les électriciens
La chaîne semiconducteur
ne s’arrête pas à la puce. Une fois les GPU produits, il faut les installer dans des datacenters, les alimenter en électricité, les refroidir. Selon le syndicat américain IBEW, l’électricité représente entre 45 % et 70 % du coût total de construction d’un datacenter. Toujours selon Rinvio, plus de 300 000 nouveaux électriciens sont nécessaires pour répondre à la demande IA, alors qu’environ 20 000 partent à la retraite chaque année. Un rapport politique de Google reconnaît que la pénurie d’électriciens « pourrait limiter la capacité de l’Amérique à construire l’infrastructure nécessaire à l’IA ».
L’Europe est plus mal placée. Dublin a imposé en 2021 un quasi-moratoire sur les nouvelles connexions de datacenters au réseau électrique, partiellement levé fin 2025 mais avec une obligation de 80 % d’électricité renouvelable produite localement. Amsterdam a imposé un moratoire similaire en 2019, Francfort en 2022. Sur le papier, l’IA mondiale consommera plus de 1 000 TWh par an d’ici fin 2026, soit l’équivalent de la consommation électrique annuelle du Japon.
Conséquences pratiques : pour les directions stratégiques, anticiper les contraintes de localisation des datacenters IA en Europe (Irlande saturée, Pays-Bas en moratoire, Allemagne contrainte sur le réseau) devient un sujet de planification à 24 mois. Une stratégie IA souveraine européenne sans plan énergétique cohérent restera théorique.
Ce qu’il faut retenir en trois phrases
Un, la chaîne semiconducteur IA repose sur trois acteurs critiques (ASML aux Pays-Bas, TSMC à Taïwan, Nvidia aux États-Unis), et sa fragilité géopolitique est sous-estimée par la plupart des dirigeants européens.
Deux, votre exercice de continuité d’activité IA doit explicitement traiter le scénario « crise du détroit de Taïwan », pas comme un cygne noir mais comme un risque géopolitique mesurable.
Trois, votre choix de pile logicielle (CUDA versus alternatives) et votre choix de localisation de datacenter sont les deux décisions de souveraineté IA les plus structurantes que vous prendrez cette année.
😅 Raté de l’IA de la semaine
❤️ Coup de cœur de la semaine
Mon coup de cœur va cette semaine à la conférence TED de Peter Steinberger, créateur d’OpenClaw (l’assistant IA personnel open source dont je vous parlais en février). Il y raconte la genèse du projet, les choix d’architecture qu’il a tenus, et ce qu’il a appris en confrontant l’agent à de vrais usages. C’est précieux parce qu’il parle du construire et pas du hyper, et que c’est exactement le contre-poison qu’il faut au tokenmaxxing dont je parle dans l’édito.
Merci d’avoir pris le temps de me lire ! Si cette newsletter vous a fait réfléchir, surpris(e) ou inspiré(e), partagez-la avec votre réseau ! Plus nous serons nombreux à questionner et à façonner une IA responsable, plus riches et constructifs seront les débats pour un monde harmonieux où la technologie est au service du vivant. Pas encore abonné(e) ? Inscrivez-vous pour ne rien manquer des prochaines éditions ! Vous souhaitez réagir ? Répondez directement à cet email, je serai ravie d’échanger avec vous !
P.S. Les résumés sont générés par IA et corrigés par mes soins.
Merci pour cette longue newsletter riche 🙏🏻