Câbles sous-marins, nouvelle menace & Claude Opus 4.7 et garde-fous - Actualités Technologiques (17 avr. 2026)

On commence par cette démonstration qui fait grincer des dents: la Chine a testé en mer un dispositif capable de sectionner des câbles de communication à environ trois mille cinq cents mètres de profondeur. Officiellement, l’usage est civil, lié à l’ingénierie sous-marine. Mais difficile d’ignorer le côté dual: ces câbles transportent l’essentiel du trafic Internet mondial, et une capacité de coupure “crédible” change la lecture des risques, entre sabotage, coercition et zones grises. Moralité: la cybersécurité ne s’arrête pas aux datacenters. Elle descend au fond des mers. Dans le même registre de sécurité, mais côté intelligence artificielle: Anthropic sort Claude Opus 4.7, présenté comme son modèle le plus solide en disponibilité générale. La promesse mise en avant, ce n’est pas seulement “plus intelligent”, c’est “plus rigoureux”: davantage de vérifications, moins d’erreurs plausibles, et une meilleure tenue sur des tâches longues où l’IA doit planifier et enchaîner des étapes. Anthropic garde toutefois un modèle encore plus puissant, Mythos, sous accès restreint pour des tests en cybersécurité, signe qu’on avance… mais avec des barrières. Cette course au modèle “agentique” se voit aussi dans les contrôles opérationnels. Anthropic ajoute des réglages pour mieux maîtriser coût et latence quand on demande un raisonnement profond. Traduction: en entreprise, on veut des agents utiles, mais aussi prévisibles, facturables, et pilotables. Chez OpenAI, l’actualité est très orientée sciences de la vie avec GPT‑Rosalind, un modèle conçu pour des workflows de biologie: synthèse de preuves, génération d’hypothèses, planification d’expériences, et appui sur des bases de données. L’enjeu est clair: en biologie, on croule sous les données et les papiers, et l’IA peut servir d’assistant de recherche — à condition de ne pas inventer. D’où des accès encadrés et des précautions biosécurité, car le même outil peut aider à faire de la bonne science… ou à optimiser des idées dangereuses. Pendant ce temps, Google franchit un cap côté “IA personnelle” avec une fonctionnalité qui relie Gemini à Google Photos pour générer des images en s’appuyant sur votre photothèque. Pratique: plus besoin d’importer manuellement des photos dans un chatbot. Sensible aussi: cela accroît l’exposition de données intimes à des systèmes génératifs. Google insiste sur l’opt-in et sur le fait que les photos ne servent pas directement à entraîner les modèles, mais la question centrale reste la même: quel niveau de confiance accorde-t-on à une IA quand elle devient un point d’accès à notre vie privée ? Si l’on prend de la hauteur, un rapport de Stanford HAI décrit une convergence rapide entre la Chine et les États-Unis sur des indicateurs de performance de chatbots, avec une Chine très dynamique sur publications, brevets et robotique industrielle. Un point moins “sexy” mais crucial ressort: l’électricité. Les data centers et l’IA consomment, et une capacité énergétique robuste devient un avantage stratégique. Autrement dit, la course à l’IA est aussi une course au réseau électrique, aux infrastructures, et à la capacité de déployer du calcul à grande échelle. Parlons justement d’infrastructure pour agents: Cloudflare a enchaîné les annonces autour du déploiement et de l’exploitation d’agents sur son réseau. On voit se dessiner une boîte à outils complète: mémoire persistante, stockage versionné, recherche, environnements isolés pour exécuter des actions, et davantage de contrôles sécurité. L’idée est simple: si les agents doivent agir dans le monde réel — naviguer, écrire, récupérer, exécuter — il faut des rails, des garde-fous, et une plateforme qui tienne la charge. Et puisque les entreprises regardent la facture de près, une analyse de TensorZero rappelle un piège: comparer les API de modèles au prix affiché par token peut être trompeur. Selon la manière dont chaque modèle “découpe” le texte, la même requête peut coûter beaucoup plus cher chez un fournisseur que chez un autre. Ajoutez à cela les formats structurés, les définitions d’outils, et les jetons de raisonnement: la vraie recommandation est prosaïque mais utile — mesurer sur ses propres prompts, pas sur des hypothèses. Côté développeurs, Google pousse aussi l’idée d’un Android plus “agent-friendly” en dehors d’Android Studio, avec un Android CLI remanié, un dépôt de “skills” que les agents peuvent réutiliser, et une base de connaissances qui va chercher la doc à jour. L’objectif est d’éviter le classique: un agent qui suit une documentation périmée et casse votre projet. Ici, la nouveauté, c’est la doc pensée comme une ressource modulaire consommable par des assistants. Autre débat, plus culturel: comment garder de la confiance dans ce qui est livré, quand l’IA accélère tout ? Un ingénieur propose d’améliorer les revues de code en séparant les commits “mécaniques” — renommages, déplacements, reformatage — des commits “logiques”. Même si certains commits intermédiaires ne passent pas les tests, ils racontent une histoire plus lisible pour le reviewer, avant de fusionner proprement. En parallèle, une autre analyse décrit le passage à une ingénierie “probabiliste”: des agents produisent des PR en continu, et le goulot d’étranglement devient la validation humaine. Le code peut avoir l’air correct… sans l’être. Le vrai capital, c’est le jugement. Sur le front robotique, Physical Intelligence affirme que son modèle π0.7 aide des robots à faire des tâches qu’ils n’ont pas apprises explicitement, en recombinants des compétences, et qu’un coaching vocal étape par étape améliore fortement la réussite. C’est prometteur car cela rapproche le robot d’un apprentissage “sur le terrain”, plus proche d’un humain guidé que d’une machine qu’on doit réentraîner à chaque nouveauté. Mais le papier rappelle aussi les limites: les tâches domestiques complexes restent difficiles, et l’évaluation indépendante est compliquée faute de benchmarks universels. La recherche avance aussi sur l’interface entre électronique et vivant. À Northwestern, des ingénieurs ont imprimé des neurones artificiels souples capables de produire des signaux assez réalistes pour déclencher des neurones biologiques. À court terme, c’est une brique de plus vers des neuroprothèses et des interfaces cerveau-machine mieux tolérées. À plus long terme, cela nourrit l’idée d’un matériel inspiré du cerveau, potentiellement plus économe en énergie que nos architectures actuelles. En santé et biotech, deux résultats retiennent l’attention. D’abord, à Singapour, une équipe a développé un biochip assisté par IA qui détecte des microARN liés à des maladies à partir d’un petit échantillon sanguin en une vingtaine de minutes. L’intérêt n’est pas seulement la vitesse: c’est aussi la perspective d’un dépistage plus accessible, moins invasif, et plus facile à industrialiser si la robustesse clinique se confirme. Ensuite, aux Pays-Bas, le programme DRUP a suivi des traitements anticancéreux hors indication, choisis selon la génomique de la tumeur quand les options standard étaient épuisées. Les bénéfices moyens restent modestes et les effets indésirables sérieux ne sont pas rares, mais un point ressort: une minorité de “répondeurs exceptionnels” tire un avantage durable, souvent associé à des biomarqueurs solides. Message clé: si on fait de l’off-label guidé par génomique, mieux vaut le faire dans des cadres qui collectent des données, pour apprendre vite et rembourser intelligemment. Un détour par les médias: une analyse défend l’idée que les “clips” ne sont plus de la promo, mais le produit. Des extraits courts circulent, se monétisent, fabriquent des stars, et peuvent même être industrialisés via des incitations ou des armées d’affiliés. Pour les médias traditionnels, l’enjeu devient brutal: s’adapter à une consommation par highlights, ou se marginaliser. Enfin, en Europe, Eurosky se lance comme une infrastructure sociale visant à réduire la dépendance aux plateformes américaines, avec une identité et un serveur de données personnels hébergés en Europe et sous droit européen, tout en s’appuyant sur l’écosystème AT Protocol. L’idée de souveraineté numérique se concrétise ici de façon pragmatique: pas “un réseau social de plus”, mais une couche d’infrastructure — avec, en toile de fond, la question épineuse de la modération. Et dans l’Indo-Pacifique, l’Australie annonce une hausse majeure de ses dépenses de défense, en mettant l’accent sur drones et systèmes autonomes. On voit se généraliser une tendance: la technologie — et notamment l’autonomie — devient centrale dans la planification militaire, avec des budgets qui suivent. Deux notes rapides pour finir. D’abord, HeyGen a open-sourcé HyperFrames, un outil pour produire des vidéos à partir de compositions HTML rendues localement, avec une recherche de rendu déterministe utile aux pipelines automatisés. Ensuite, petite polémique côté open source: des développeurs critiquent l’insertion de recommandations commerciales à destination d’agents de code dans l’écosystème Laravel, signe que la “pub pour IA” pourrait devenir un nouveau terrain de tension sur la confiance.