Quantum et menace sur cryptographie & Agents de code et intention perdue - Actualités Technologiques (2 avr. 2026)

On commence donc par le quantique, et par une inquiétude très concrète. Un commentaire autour d’un livre blanc attribué à Google Quantum AI remet en avant une idée qui circule de plus en plus : les ressources théoriques nécessaires pour casser la cryptographie à courbe elliptique diminueraient nettement par rapport aux estimations d’hier. Or c’est cette cryptographie qui protège une grande partie de l’écosystème crypto, mais aussi beaucoup de systèmes d’authentification modernes. Le point important, ce n’est pas de dire “c’est imminent”. Le frein reste le matériel : personne n’a aujourd’hui une machine quantique gigantesque, stable et rapide à ce niveau. Mais la trajectoire devient plus préoccupante, et la conclusion pratique est claire : attendre un signal “officiel” pourrait être trop tard. La migration vers des briques post-quantiques ressemble de plus en plus à un chantier à lancer dès maintenant, parce que le calendrier, lui, est imprévisible.

Passons aux agents de code, et à un diagnostic qui fait mouche : ils produisent souvent “la mauvaise forme de correct”. Autrement dit, ça compile, ça passe les tests… mais ça rate l’intention. Et les erreurs sont rarement grotesques. Elles sont plutôt localement raisonnables : contourner un test qui gêne, copier le motif le plus proche, ou conserver un ancien comportement en ajoutant un chemin parallèle. Résultat : au fil des petites contributions, on accumule des incohérences subtiles. Deux réponses ressortent dans les analyses du moment, et elles se complètent. La première : ajouter une couche de spécification, légère mais durable, qui écrit l’intention avant l’implémentation. Pas un roman, plutôt des règles déclaratives et faciles à modifier. La seconde : transformer un maximum de conventions en contraintes mécaniques. Lint strict, règles maison, CI plus dure, tests de non-régression visuelle, contrôle de complexité, surveillance en production. L’idée est simple : au lieu d’espérer que l’agent “comprenne” l’architecture, on lui construit des rails.

Ça nous amène à une question qui fâche : est-ce que l’IA rend vraiment les équipes dix fois plus productives ? Un rapport GitKraken et GitClear, basé sur plusieurs milliers de semaines de travail développeur, montre un écart massif d’activité chez les gros utilisateurs d’outils IA… mais il explique aussi pourquoi c’est trompeur. Les gens qui adoptent tôt sont souvent déjà des seniors, dans des contextes où ça shippe vite. En comparant les mêmes développeurs, semaine contre semaine, année sur année, l’effet moyen ressort plutôt comme une amélioration notable mais loin du mythe : de l’ordre d’un quart. Et surtout, il y a des contreparties : davantage de réécriture rapide, plus de duplication, donc un risque de dette de maintenance. Le message à retenir pour les équipes, c’est qu’il faut mesurer la productivité avec la qualité, pas seulement avec le volume.

Si on élargit, on voit une convergence assez frappante : presque tout le monde veut vendre des agents capables de prendre un objectif et de mener une tâche de bout en bout, comme une forme d’automatisation du travail de bureau. Une analyse l’explique non pas par un “saut magique” des modèles, mais par l’émergence d’une architecture logicielle commune, un genre de boucle qui gère le contexte, appelle le modèle, utilise des outils, vérifie, puis recommence. Ce qui rend ça intéressant, c’est la compétition qui se déplace. Si les fonctionnalités IA deviennent de plus en plus interchangeables, l’avantage vient d’ailleurs : la distribution, l’accès au contexte propriétaire, la place dans le workflow, et surtout les boucles de retour. Dans cette logique, l’entreprise qui capte le plus de signaux au bon moment n’a pas seulement un produit : elle fabrique un avantage cumulatif.

Justement, une autre thèse sur le logiciel B2B propose une idée voisine : le grand trésor caché de l’entreprise, ce n’est pas seulement ce qui a été décidé, c’est pourquoi ça a été décidé. Aujourd’hui, ces raisons sont dispersées dans des réunions, des emails, des commentaires, des négociations. Et avec des modèles de langage, on peut transformer ces traces en “traces de décision” structurées. Le point-clé : quand un agent propose quelque chose et qu’un humain corrige, approuve ou refuse, ce jugement implicite devient un signal exploitable. À terme, ça peut créer une boucle d’amélioration comparable à celle des géants du consumer, mais appliquée aux décisions métier. Et ça remet en question le rôle des outils “systèmes d’enregistrement” classiques, qui voient le résultat final, mais pas le raisonnement au moment où il se construit.

Côté business de l’IA, OpenAI vient de boucler une levée de fonds gigantesque, de l’ordre de 122 milliards de dollars, valorisant l’entreprise autour de 852 milliards. Le tour implique de très gros noms et, fait notable, une ouverture accrue aux investisseurs particuliers via des canaux bancaires, ce qui ressemble à une préparation de terrain avant une éventuelle introduction en bourse cette année. Mais voilà le twist : en parallèle, la demande pour les actions OpenAI sur les marchés secondaires se serait refroidie, avec des vendeurs qui peinent à trouver preneur à la valorisation récente. Pendant ce temps, l’appétit se reporterait vers Anthropic, avec des indications de demande très fortes. C’est un signal intéressant : même au cœur d’un boom, les investisseurs commencent à discriminer, en fonction du prix, du risque, et de la crédibilité du modèle économique.

Sur l’infrastructure, Microsoft illustre parfaitement la tension du moment. Selon des informations récentes, la directrice financière Amy Hood aurait ralenti ou mis en pause plusieurs projets de data centers fin 2024 et en 2025, par crainte d’une surchauffe des dépenses. Sauf que la demande pour l’IA et pour Azure aurait ensuite accéléré plus vite que prévu, laissant l’entreprise en manque de capacité dans certains endroits, au point de limiter de nouvelles souscriptions. C’est un rappel assez brutal : dans l’IA, la stratégie ne se joue pas seulement dans les modèles, mais aussi dans le béton, l’électricité, les puces, et la vitesse d’exécution. Et, en coulisses, cela devient un exercice d’arbitrage permanent : qui obtient les ressources rares, et à quel prix pour les marges ?

Chez Anthropic, justement, le discours évolue : l’entreprise veut aller au-delà de l’outil orienté développeurs et pousser un agent plus généraliste pour le travail, censé toucher un public plus large. L’intérêt, c’est la bataille de positionnement : “assistant de code” versus “agent de bureau”, avec des usages plus transverses. Mais la vitesse a un coût. Anthropic a aussi attribué une exposition récente de code source à des erreurs de process liées à une cadence trop rapide, plutôt qu’à un piratage. C’est un détail, mais révélateur : quand tout le monde accélère, la qualité des garde-fous internes devient un sujet de compétitivité, pas juste de conformité.

Autre dossier à suivre : Amazon serait en discussion pour racheter Globalstar, l’opérateur satellite qui sert d’infrastructure au SOS d’urgence par satellite d’Apple sur iPhone et Apple Watch. Apple a déjà des engagements financiers et une participation au capital, donc un changement de contrôle aurait forcément des implications. Si Amazon mettait la main sur ce réseau, il pourrait se retrouver propriétaire d’une brique critique d’un service de sécurité grand public. Ça peut vouloir dire plus d’investissements et plus de capacité, mais aussi de nouvelles dépendances. Et cela remet sur la table une question que personne n’a vraiment tranchée : quel sera le modèle économique de ces services d’urgence par satellite à long terme ?

On termine avec l’espace : la NASA se prépare au lancement d’Artemis II, première mission habitée en espace profond depuis l’ère Apollo. L’objectif n’est pas seulement de “faire le tour de la Lune”, mais de valider tout ce qui rendra les missions suivantes crédibles, notamment pour la santé. La mission embarque des capteurs de radiation, des prélèvements avant et après vol, et même des expériences de type “organ-on-a-chip” basées sur les cellules des astronautes, avec des échantillons jumeaux gardés sur Terre pour comparer. En clair : on cherche à mesurer, de façon rigoureuse, ce que l’espace profond fait au corps humain, et à préparer une présence durable au-delà de l’orbite terrestre.

Un mot enfin sur le web et les outils : un nouveau CMS open source nommé EmDash se présente comme une alternative moderne à WordPress, avec une promesse centrée sur la sécurité des extensions et une meilleure réutilisation des contenus. L’idée marquante, c’est de limiter le pouvoir des plugins pour éviter qu’un seul module ne compromette tout un site. Le projet est encore en préversion, donc à prendre comme un signal plus que comme un standard établi. Mais il reflète une tendance claire : la communauté veut des plateformes plus modulaires, plus faciles à déployer, et plus robustes face aux risques historiques de l’écosystème des extensions.