Tensions IA internes chez Google & Course aux puces et au calcul - Actualités Technologiques (21 avr. 2026)

On commence par Google, où un débat très interne devient de plus en plus visible. L’ex-ingénieur Steve Yegge raconte avoir été contacté par des Googlers anonymes après ses critiques sur l’adoption de l’IA. Le tableau qu’il décrit — difficile à vérifier, mais cohérent selon lui — c’est un accès inégal aux assistants de programmation. D’un côté, des équipes de DeepMind utiliseraient volontiers Claude d’Anthropic. De l’autre, une partie du reste de l’entreprise serait orientée vers des variantes internes de Gemini, parfois derrière des noms de modèles peu transparents. Ce qui rend l’histoire intéressante, ce n’est pas “qui utilise quoi”, c’est la friction que ça révèle: quand la qualité et la fiabilité ne sont pas perçues au même niveau, standardiser devient un sujet explosif. Yegge évoque même une proposition visant à retirer Claude, et des objections très fortes en interne. Et puis il y a la question des incitations: il parle d’objectifs imposant l’usage de l’IA, et d’un suivi de consommation de tokens. Dit autrement: l’adoption mesurée pourrait refléter du “case à cocher” plus qu’un changement réel de façon de coder. Pour une entreprise qui veut accélérer avec l’IA, c’est un rappel: la culture et la confiance dans les outils comptent autant que les modèles.

Dans la même veine, Google DeepMind aurait monté une équipe dédiée pour muscler les capacités de code de Gemini, en particulier sur des tâches longues: comprendre un projet entier, naviguer entre plusieurs fichiers, et produire quelque chose de cohérent de bout en bout. Le message, là, est clair: la bataille des modèles se déplace vers la “productivité logicielle”, et les labos veulent des agents qui ne se contentent pas d’aider, mais qui exécutent réellement des chantiers. Le fait que des dirigeants très haut placés s’impliquent montre aussi la pression. Quand l’IA devient un levier direct de vitesse de développement, elle devient un sujet de gouvernance, pas seulement de recherche.

Cette pression se voit aussi côté matériel. Selon un reportage, Google discuterait avec Marvell pour co-développer de nouvelles puces orientées IA, en complément de sa stratégie autour des TPU. L’enjeu est classique mais crucial: sécuriser l’approvisionnement, diversifier les partenaires, et réduire la dépendance à un marché des accélérateurs sous tension. Dans ce contexte, concevoir “sur mesure” n’est plus une coquetterie technique: c’est une manière de mieux contrôler les coûts, la disponibilité, et parfois même l’avantage produit. Quand tout le monde court après les mêmes ressources de calcul, la chaîne d’approvisionnement devient une arme concurrentielle.

Et puisqu’on parle de calcul, Amazon et Anthropic franchissent un nouveau cap. Amazon ajoute un engagement financier massif, et surtout une relation de long terme autour de l’infrastructure cloud. Le sous-texte, c’est la “compute race”: les grands clouds se battent pour verrouiller les laboratoires les plus demandés, et ces labos se battent pour garantir assez de puissance pour entraîner et servir leurs modèles. Le résultat, c’est une industrie où l’accès au calcul ressemble de plus en plus à un facteur de survie. Et où les partenariats se lisent autant comme des contrats technologiques que comme des pactes stratégiques.

Autre signal fort aujourd’hui: un rapport 2026 de Stanford estime que la Chine dépasse de plus en plus les États-Unis sur plusieurs indicateurs de leadership en IA. Publications, citations, rythme d’intégration de l’IA dans l’industrie via la robotique, et surtout les brevets: l’écart serait spectaculaire. Stanford note toutefois un point où les États-Unis restent nettement devant: l’investissement privé. Ce contraste est intéressant, parce qu’il suggère deux modèles. D’un côté, une dynamique d’industrialisation et de propriété intellectuelle très large. De l’autre, une concentration d’argent et d’innovation dans un nombre plus réduit d’acteurs. Et si les performances des meilleurs modèles se rapprochent, la différence pourrait se jouer sur la capacité à déployer à grande échelle, pas seulement à gagner des benchmarks.

On fait un détour par la cybersécurité, où Palo Alto Networks alerte sur un saut de rythme: des modèles dits “frontier” seraient désormais capables de se comporter moins comme des assistants, et plus comme des chercheurs en vulnérabilités — enchaînant repérage de failles, exploitation, et adaptation quand les défenses se durcissent. Le point clé, ce n’est pas que l’IA invente des attaques inédites; c’est qu’elle accélère et automatise des étapes qui prenaient du temps. Et ça change la donne pour les défenseurs: la fenêtre entre un correctif publié et une exploitation à grande échelle pourrait se rétrécir. Le rapport insiste aussi sur le risque open source: quand le code est public, l’identification des chemins d’attaque devient plus simple à systématiser. Moralité: durcir la chaîne logicielle, mieux tracer la provenance, et réduire les délais de patching deviennent encore plus prioritaires.

Sur le sujet quantique, un ingénieur en cryptographie, Filippo Valsorda, remet une idée reçue à sa place. Oui, les ordinateurs quantiques menacent la cryptographie à clé publique utilisée partout pour l’échange de clés et les signatures — et c’est là que la migration post-quantique est urgente. Mais non, cela ne veut pas dire que les briques symétriques courantes seraient “cassées” demain, ni qu’il faudrait paniquer en doublant systématiquement les tailles de clés. Son argument: certains raccourcis populaires sur l’impact du quantique sur le chiffrement symétrique surestiment la faisabilité pratique des attaques. Traduction pour le quotidien: l’urgence, c’est de préparer les systèmes qui reposent sur RSA et les courbes elliptiques. Pas de créer du chaos d’interopérabilité en changeant partout ce qui n’a pas besoin de l’être.

Côté société et usages, des chercheurs s’inquiètent d’un effet secondaire plus silencieux: l’“abandon cognitif”. Des observations et des études évoquent une baisse de l’effort mental quand on délègue trop vite à un chatbot — avec des conséquences possibles sur la mémorisation, le sentiment d’appropriation, et la capacité à critiquer ce qu’on rend. Le point intéressant ici, c’est la nuance: ces outils peuvent aussi aider à mieux réfléchir… si on les utilise pour challenger une idée, demander une critique, comparer des options. Mais en mode pilote automatique, on risque surtout de produire plus vite, en comprenant moins. Pour l’école comme pour le travail, la question devient: quelles pratiques encourager pour garder l’humain “dans la boucle” au bon endroit ?

Un mot de régulation, avec l’Union européenne qui se dirige vers des protections plus strictes pour les mineurs en ligne. La Commission européenne avance l’idée d’une application de vérification d’âge, avec la promesse de préserver la vie privée. Le contexte, ce sont des inquiétudes persistantes sur le temps d’écran et les mécaniques jugées addictives. Ce chantier est délicat: imposer une limite d’âge commune à l’échelle européenne, éviter un patchwork de règles nationales, et le faire sans créer une identification généralisée sur internet. Les recommandations sont attendues d’ici l’été, et plusieurs pays poussent déjà pour aller plus vite.

Enfin, deux nouvelles qui montrent que la tech, ce n’est pas que des modèles. D’abord en santé: les vaccins anticancer personnalisés à base de mRNA regagnent de l’élan, avec des signaux cliniques encourageants, notamment sur des cancers très difficiles. Le champ a traversé une période compliquée politiquement, mais la dynamique de recherche continue — et la vraie question, désormais, c’est la confirmation à plus grande échelle. Ensuite en énergie: selon Ember, la hausse de la demande mondiale d’électricité aurait été couverte par des sources bas carbone, avec un bond du solaire et un rôle croissant du stockage. C’est potentiellement un point de bascule symbolique: si la demande augmente mais que les fossiles ne suivent plus, la trajectoire du secteur électrique peut changer. Mais le rapport rappelle aussi le nerf de la guerre: moderniser les réseaux et adapter les règles du marché pour absorber cette nouvelle production.

Et pour finir la page “science”: DESI, l’instrument qui cartographie l’Univers en trois dimensions, a terminé une campagne d’observation géante. En transformant la lumière de galaxies lointaines en distances, il permet de reconstruire l’histoire de l’expansion cosmique. Pourquoi c’est fascinant ? Parce que ces mesures aident à tester ce qu’on appelle l’énergie noire, ce moteur mystérieux de l’accélération de l’Univers. Et quand les indices suggèrent que cette énergie pourrait ne pas être parfaitement constante, chaque nouvelle carte devient une pièce de plus pour trancher.