IA autonome et cybersécurité & Course à l’IA dans les entreprises - Actualités Technologiques (24 avr. 2026)

On commence par la cybersécurité, parce que c’est clairement là que la notion d’“IA autonome” devient la plus concrète — et la plus délicate. Selon une évaluation relayée au Royaume-Uni autour d’un aperçu de modèle chez Anthropic, l’IA aurait pu planifier et exécuter des scénarios d’attaque en plusieurs étapes avec très peu de guidage, tout en identifiant de nombreuses vulnérabilités inédites. Le point important n’est pas le chiffre exact — difficile à vérifier de l’extérieur — mais le changement de catégorie: on passe de l’assistant qui suggère, à l’opérateur qui enchaîne. Et ça crée un dilemme classique: la même capacité peut accélérer la correction de failles… ou abaisser le seuil d’entrée pour des acteurs malveillants.

Dans la même veine, le Royaume-Uni durcit le ton sur la menace cyber: le National Cyber Security Centre explique que les attaques les plus graves sont désormais liées à des États hostiles, avec la crainte d’attaques “à grande échelle” en cas de crise internationale. Le message aux entreprises est limpide: la résilience ne se construit pas pendant l’incident. Et une phrase revient en filigrane: l’IA aide aussi les attaquants à trouver plus vite des points faibles, ce qui raccourcit la fenêtre de réaction.

Sur le terrain géopolitique, Washington annonce vouloir s’attaquer plus frontalement aux entreprises étrangères — en particulier chinoises — accusées d’“extraire” des capacités de modèles américains via distillation et techniques voisines. C’est intéressant pour une raison très simple: plus l’écart de performance entre modèles se réduit, plus la bataille se déplace vers la protection des données, des méthodes d’entraînement et… des usages à grande échelle. Le défi, c’est l’attribution: distinguer une extraction illégitime d’un usage intensif mais “normal” est loin d’être évident sans coopération étroite entre laboratoires.

Passons à l’IA dans les entreprises, là où les arbitrages se voient dans les organigrammes. Meta prévoit de supprimer environ 10% de ses effectifs, avec un gel d’embauches sur de nombreux postes ouverts, pour rediriger des ressources vers l’intelligence artificielle. Derrière le vocabulaire d’“efficacité”, on lit surtout une réallocation massive: moins d’équipes sur certains produits, plus de budget et de priorités pour rattraper le peloton de tête de l’IA générative. Et cela s’accompagne d’un autre mouvement: remplacer progressivement une partie du travail de sous-traitance, comme certaines tâches de modération, par des systèmes automatisés.

Chez Google, un indicateur a frappé les observateurs: l’entreprise affirme qu’environ les trois quarts de son code nouvellement produit serait désormais généré par IA, puis relu par des ingénieurs. L’intérêt, ce n’est pas de compter les lignes, mais de voir un changement de flux de travail: l’IA devient une première version quasi systématique, et l’humain se déplace vers la revue, l’intégration, et la responsabilité finale. Google parle aussi de “workflows agentiques”, autrement dit des agents qui prennent en charge des tâches plus autonomes — et qui accélèrent des migrations internes complexes.

Ce contexte rend une tendance plus inquiétante… presque inévitable: la course aux “tokens” en entreprise. Un nouveau mot circule, “tokenmaxxing”, pour décrire des équipes où la consommation de jetons IA sert d’étalon de productivité. Le problème est classique: dès qu’une métrique devient un objectif, on la triche. Résultat rapporté: prompts inutiles, travail jetable, et parfois du code généré à la va-vite pour faire grimper les compteurs. Morale du jour: compter l’usage ne remplace pas mesurer l’impact — et ça peut surtout gonfler les factures.

Et puisqu’on parle de qualité perçue, Anthropic a aussi dû expliquer publiquement pourquoi certains utilisateurs trouvaient Claude Code “moins bon” ces dernières semaines. D’après l’entreprise, ce n’était pas une régression du modèle de base, mais une série de changements de produit: paramètres de raisonnement abaissés, gestion de contexte imparfaite, et consignes de brièveté trop strictes. Tout aurait été corrigé avant le 20 avril. C’est un rappel utile: dans les outils d’IA, de petits réglages d’interface ou de prompts système peuvent donner l’impression qu’un modèle “a perdu des points”, même sans changement du moteur.

Autre idée qui prend de l’ampleur dans les produits logiciels: concevoir non seulement pour des utilisateurs humains, mais pour des agents. Un designer produit décrit comment l’accès via API, commandes et “outils” devient parfois un chemin principal, tandis que l’interface graphique reste… mais n’est plus la seule porte d’entrée. Ce qui change, c’est la concurrence: si un agent a du mal à utiliser votre produit, il ira simplement ailleurs. Les gagnants seront ceux qui rendent leurs actions faciles à appeler, faciles à comprendre, et observables — parce qu’un agent qui se trompe à grande échelle, ça coûte cher.

Côté infrastructure, un projet open source continue de gagner du terrain: Typesense. Il se présente comme un moteur de recherche rapide, tolérant aux fautes de frappe, avec des choix par défaut pensés pour les développeurs, et une API HTTP simple. Là où ça devient particulièrement actuel, c’est l’ajout de la recherche vectorielle, et de flux “hybrides” mêlant sémantique et texte. La promesse: garder une recherche réactive et pratique, tout en ajoutant des briques désormais attendues dans les usages IA — comme des expériences conversationnelles façon RAG. Pour beaucoup d’équipes, l’intérêt est d’éviter soit la complexité d’un grand système, soit la dépendance à un service hébergé.

Dans la même famille “remettre en cause les évidences”, un fondateur lance exe.dev avec une critique frontale du cloud actuel: selon lui, les primitives des hyperscalers sont mal adaptées — machines virtuelles trop liées à des formats fixes, stockage contraignant, coûts de réseau qui enferment. Son pari produit: acheter de la capacité plutôt que des instances, miser davantage sur du stockage local répliqué, et simplifier des éléments comme l’entrée réseau et les proxys. Qu’on y adhère ou pas, le signal est intéressant: on voit émerger une nouvelle génération de clouds qui essaient de se différencier sur l’ergonomie et l’économie, pas seulement sur “plus de services”.

Petit détour par le web: une amélioration discrète pourrait alléger la vie de beaucoup d’équipes front-end. Des évolutions dans Firefox et Safari les alignent avec Chrome sur un comportement attendu autour de sizes="auto" pour les images responsives. En clair: au lieu de deviner et d’écrire à la main la taille d’affichage via l’attribut sizes, le navigateur peut parfois la déduire lui-même — surtout quand l’image est chargée après la mise en page, typiquement avec le lazy-loading. C’est intéressant parce que ça retire une source de bricolage, et peut améliorer les performances en laissant le navigateur choisir une image mieux adaptée au contexte réel.

Le feuilleton OpenAI revient, mais cette fois devant un jury: la procédure liée à la plainte d’Elon Musk contre OpenAI et Sam Altman doit entrer en phase de procès. Au cœur du dossier: la mission d’origine, la bascule vers des structures plus commerciales, et l’influence de partenariats majeurs. Au-delà des personnalités, l’enjeu est simple: si la gouvernance et la structure sont fragilisées, c’est toute la stratégie, le financement et la trajectoire d’un acteur central de l’IA qui peuvent être affectés — avec des répercussions sur l’écosystème.

On termine avec deux actualités où l’automatisation touche le monde physique. D’abord Medra, qui met en avant un laboratoire où des bras robotisés et des robots mobiles enchaînent des expériences de biologie en continu. L’intérêt: l’IA sait déjà proposer des molécules et des pistes, mais la validation réelle reste lente; accélérer l’expérimentation, c’est potentiellement accélérer la découverte. Ensuite, côté santé, le Royaume-Uni rapporte un cas marquant de vision restaurée chez une enfant grâce à une thérapie génique administrée via le NHS — un rappel que les progrès “deep tech” ne sont pas seulement logiciels. Et dans un registre plus matériel encore, des chercheurs australiens présentent un film plastique ultrafin à surface nanostructurée capable d’endommager des virus par action physique: prometteur pour des revêtements, même si la route est longue entre un test en labo et un usage large.

Bonus énergie, parce que ça pèse sur la tech: le nucléaire connaît un regain d’intérêt mondial, poussé par la demande en électricité bas carbone et la sécurité énergétique. L’IA et les centres de données ne sont pas les seuls moteurs, mais ils ajoutent une pression supplémentaire sur les réseaux. Le point clé: l’énergie redevient une contrainte stratégique pour la croissance numérique, ce qui remet sur la table des choix d’infrastructure qui dépassent largement le secteur tech.