Attaques ciblant Sam Altman & Course mondiale aux armes IA - Actualités Technologiques (13 avr. 2026)

On commence donc par San Francisco. La police affirme que la maison de Sam Altman, patron d’OpenAI, a été visée une seconde fois en l’espace de quelques jours, après une première attaque au cocktail incendiaire. Cette fois, il est question d’un tir présumé depuis une voiture, et deux suspects ont été arrêtés. Personne n’a été blessé, mais le message est clair: les figures de proue de l’IA deviennent des symboles, et donc des cibles. Pour l’écosystème, ça veut dire davantage de sécurité, plus de prudence dans l’exposition publique, et probablement un débat encore plus électrique sur les effets de l’IA dans la société.

Sur le terrain géopolitique, un autre signal a marqué les esprits: lors d’un défilé militaire à Pékin, une démonstration de drones autonomes — observée notamment par Xi Jinping, Vladimir Poutine et Kim Jong-un — a relancé l’inquiétude à Washington. Des responsables américains de la défense estiment que la Chine, et peut-être la Russie, avancent vite sur la production de drones sophistiqués et sur l’autonomie. Résultat: pression accrue pour accélérer la fabrication aux États-Unis, avec des industriels qui mettent en avant des chaînes de production plus rapides. Ce qui frappe ici, c’est le rythme: la course ne porte plus seulement sur « avoir des drones », mais sur la capacité à les produire en masse, et sur la place que l’on laisse — ou non — à l’IA dans la décision au combat. Et plus on délègue, plus les conflits risquent de devenir rapides, difficiles à anticiper, et propices aux escalades.

Dans un registre moins militaire mais tout aussi stratégique, la conférence HumanX à San Francisco a montré un glissement du centre de gravité: OpenAI n’est plus l’unique sujet, et Anthropic a attiré une grande partie de l’attention. Beaucoup d’acteurs parlent d’une adoption très rapide des agents de programmation, avec Claude qui revient sans cesse dans les conversations. Point intéressant: cet engouement coexiste avec des frictions politiques, notamment autour des relations avec le Pentagone. Et, en toile de fond, un autre thème a dominé: la crainte — ou l’intérêt — pour des modèles open-weight chinois, qui se diffusent dans des produits occidentaux. La tendance du moment côté entreprises, c’est de ne plus vouloir dépendre d’un seul fournisseur: on diversifie les modèles, on panache les solutions, et on transforme l’IA en « pile » modulaire plutôt qu’en pari unique.

Justement, cette idée de modularité revient dans un argument qui circule beaucoup chez les praticiens: la différence ne se jouerait pas seulement sur le modèle, mais sur tout ce qu’on construit autour. Des investisseurs et dirigeants de startups martèlent que les gros gains de productivité des agents de code viennent souvent du “harnais” logiciel: comment l’agent lit le dépôt, retient ce qui compte, limite le bruit, et s’appuie sur des outils déterministes quand il faut être exact. Dit simplement: l’IA peut improviser, mais votre production, elle, doit être fiable. Et la bataille se déplace vers des méthodes réutilisables, des procédures internes bien écrites, et une organisation du travail qui permet à l’agent d’être utile sans devenir incontrôlable.

Autre signe que le marché bouge vite: Meta a publié un nouveau modèle, Muse Spark, après une période plus confuse dans sa stratégie IA. L’enjeu n’est pas seulement de briller dans des classements: Meta joue surtout une carte grand public. Si l’entreprise propose une expérience gratuite sensiblement meilleure, intégrée à ses applis, elle n’a pas besoin d’une rupture scientifique spectaculaire pour gagner des usages. Et dans l’ombre, une question se pose de plus en plus: la croissance de certaines applications IA peut-elle rester explosive si les coûts de calcul montent, si la concurrence se resserre, et si l’acquisition d’utilisateurs devient plus chère? Le récit « tout va croître indéfiniment » commence à être challengé, même chez les optimistes.

Et puisqu’on parle de Meta: selon des informations de presse, le groupe travaillerait à son propre moteur de recherche pour alimenter Meta AI, au lieu de dépendre de Google ou de Bing pour les réponses en temps réel. Meta aurait aussi signé avec Reuters pour des contenus d’actualité dans les réponses. Ce mouvement est important parce que la recherche est en train de se déplacer vers la conversation: les utilisateurs demandent directement, sans ouvrir une liste de liens. Si Meta internalise davantage ce maillon, elle contrôle plus finement ce que l’assistant voit, cite, et met en avant — et elle réduit sa dépendance à des concurrents directs. Évidemment, ça ravive aussi les tensions avec les éditeurs, déjà sur leurs gardes face aux robots d’indexation et au scraping.

En Asie, autre initiative marquante: SoftBank, NEC, Sony et Honda auraient créé une nouvelle structure pour développer une IA performante “fabriquée au Japon”, avec l’objectif d’aider les entreprises locales et de réduire la dépendance à des plateformes étrangères. C’est une réponse classique à un constat très actuel: l’IA est devenue un sujet de souveraineté économique. Quand vos outils clés, vos modèles, ou vos données dépendent de l’extérieur, c’est toute votre compétitivité qui devient vulnérable. Le Japon veut visiblement rattraper le wagon en coordonnant industrie, talents et soutien public.

Côté infrastructures, l’exemple CoreWeave résume bien l’époque: la construction du “cloud des GPU” se finance à un rythme très agressif, portée par des contrats géants avec de grandes entreprises et par une volonté d’acheter du temps, donc de la capacité, le plus vite possible. Les marchés semblent dire: tant que les clients sont crédibles et signent sur plusieurs années, on prêtera pour bâtir. Mais c’est un équilibre fragile: ces modèles reposent sur un financement abondant et sur des conditions de marché favorables. Si le coût de l’argent remonte ou si la demande ralentit, la mécanique peut se tendre très vite. Bref, l’IA n’avance pas seulement grâce aux algorithmes: elle avance aussi grâce à la finance.

Sur l’adoption dans les entreprises, Gallup rapporte un cap symbolique aux États-Unis: environ un salarié sur deux dit utiliser l’IA au travail au moins occasionnellement, et l’usage quotidien progresse. Les employés des organisations qui ont déjà intégré des outils IA décrivent plus souvent des réorganisations, et des mouvements de personnel dans les deux sens: recrutements, mais aussi suppressions de postes. Ce qui ressort, c’est une réalité moins spectaculaire que les slogans: beaucoup constatent une hausse de productivité, mais davantage au niveau des tâches qu’au niveau d’une transformation totale du métier. La suite dépendra surtout de la manière dont les dirigeants redessinent les processus, pas de la dernière mise à jour d’un chatbot.

Pour les développeurs, un sujet inattendu monte: la documentation n’est plus seulement lue par des humains, elle est “consommée” par des agents. Des auteurs parlent désormais d’« optimisation pour agents »: rendre les docs faciles à trouver, à ingérer, à résumer correctement, et surtout suffisamment propres pour éviter que l’agent manque un détail et invente le reste. Cela change des réflexes anciens: les outils d’analytics habituels ne voient pas toujours ces lectures automatisées, et les pages trop lourdes ou trop verbeuses risquent d’être tronquées. En clair, si votre doc n’est pas adaptée aux agents, vous risquez de perdre des intégrations… ou de générer des bugs par simple malentendu.

Dans la même veine, le projet Linux — l’un des logiciels les plus critiques au monde — a clarifié sa position: les contributions écrites avec l’aide d’outils d’IA sont acceptées, mais elles restent l’œuvre et la responsabilité du contributeur humain. La signature qui certifie l’origine et la conformité du code ne peut pas être faite par un agent. C’est un message simple et important: l’IA peut accélérer, mais elle ne peut pas porter l’obligation de rigueur juridique et technique. Et si ça casse, c’est un humain qui répond.

Un dernier détour par l’espace: après une mission habitée autour de la Lune, le programme SLS de la NASA se retrouve à nouveau sur la sellette, l’administration poussant l’agence à chercher des alternatives commerciales. L’idée est de basculer davantage vers des lanceurs privés, supposés plus rapides et moins coûteux, et de revoir certaines priorités autour de l’infrastructure lunaire. Problème: le SLS est aussi un programme industriel et politique, avec une chaîne de sous-traitance très étendue. Le débat est donc autant budgétaire que stratégique: comment tenir un calendrier lunaire ambitieux tout en changeant d’architecture, et sans perdre en fiabilité sur des missions habitées?