Meta et l’IA au travail & Intel relancé par Apple - Actualités Technologiques (11 mai 2026)

On commence donc par Meta, et par une tendance qui dépasse largement ce seul groupe: l’IA qui s’invite dans l’évaluation du travail. D’après des échanges internes rapportés par la presse, Meta compte collecter sur les PC professionnels des signaux d’activité — frappes, mouvements, interactions à l’écran — en expliquant que ces données serviraient à entraîner des produits IA, pas à “fliquer” la performance. Problème: des employés décrivent une perte de confiance, d’autant qu’il n’y aurait pas d’option de retrait. Et dans le même temps, l’entreprise prévoit une nouvelle vague de licenciements. L’info est intéressante parce qu’elle illustre un point de rupture: on ne parle plus seulement d’outils IA qu’on choisit d’utiliser, mais de mesures et d’incitations qui redessinent le rapport entre productivité, vie privée et sécurité de l’emploi.

Dans le registre “IA en entreprise”, Shopify partage une approche presque opposée sur un aspect clé: la transparence. Son patron explique qu’un agent interne, River, travaille dans Slack et fait une partie des tâches de développement, mais avec une règle stricte: pas de messages privés, tout se passe dans des canaux visibles. L’idée, c’est que le savoir ne se perde pas dans des conversations fermées, et que chacun puisse apprendre des essais, des erreurs et des bonnes formulations. À retenir: l’enjeu n’est plus seulement d’avoir un agent, mais de décider où l’organisation “voit” l’IA travailler, et comment elle capitalise sur ce qu’elle produit.

Cette question de l’IA qui absorbe l’attention revient aussi dans un autre témoignage marquant: celui d’un auteur qui décrit une “taxe d’orchestration”. Plus on lance d’agents, plus on passe la journée à surveiller, relancer, vérifier, jongler entre fenêtres et résultats — au point de se sentir actif… sans garder assez de bande passante mentale pour réfléchir en profondeur. Sa solution: basculer davantage en mode supervision périodique, avec des revues planifiées, plutôt que du pilotage continu. C’est un signal faible, mais révélateur: la productivité avec les agents pourrait dépendre autant de discipline et de rythme de travail que de performance des modèles.

Côté industrie des puces, Intel fait parler de lui après un article affirmant qu’Apple serait devenu client, ce qui a suffi à propulser le titre. L’histoire est d’autant plus politique qu’Intel a bénéficié d’un soutien massif de l’État américain, avec une structure où le Trésor se retrouve actionnaire majeur. Si Apple confirme ce type de relation, c’est une validation symbolique: Intel essaie de redevenir crédible comme fabricant pour des clients très exigeants, après des années difficiles. Pourquoi c’est intéressant: au-delà de la Bourse, cela pèse sur la stratégie américaine de capacité industrielle “à domicile”. Mais attention, le marché le sait: le vrai test, c’est la livraison régulière, à grande échelle, avec une qualité irréprochable.

En face, Nvidia continue de surprendre… non pas uniquement par ses puces, mais par son rôle d’investisseur. L’entreprise aurait déjà dépassé des dizaines de milliards d’engagements en capital en 2026, en prenant des parts dans des acteurs clés, comme des opérateurs de centres de données ou des fournisseurs de composants indispensables aux gros systèmes IA. L’objectif affiché: solidifier la chaîne d’approvisionnement et accélérer l’écosystème. La critique, elle, est simple: si un fournisseur finance indirectement ses clients, on peut gonfler artificiellement la demande, et créer un risque si le cycle d’investissement en IA se retourne. Tout le monde regardera de près ce que ces paris coûtent… et rapportent.

Et justement, en parlant de “qui domine l’IA”, Alphabet est de plus en plus décrit comme un gagnant structurel de cette vague, au point de se rapprocher de Nvidia en valorisation. L’argument des investisseurs tient en une phrase: Alphabet a des points d’entrée partout. Le grand public via la recherche et YouTube, les entreprises via Google Cloud, ses modèles via Gemini, et même ses propres puces, avec des ambitions plus larges autour des TPU. Cette diversification compte, parce qu’elle amortit mieux les à-coups qu’un modèle plus dépendant d’une seule catégorie — par exemple le matériel IA. Mais le revers, c’est que la hiérarchie des modèles et des usages peut bouger vite: l’avance n’est jamais acquise longtemps.

Sur la qualité des agents et leur impact réel, un retour d’expérience chez WorkOS met le doigt sur un problème très concret: beaucoup d’outils IA tournent, mais sans preuve qu’ils améliorent vraiment la vie des utilisateurs. Leur réponse: construire des évaluations fondées sur des projets réels, juger la réussite sur le résultat fonctionnel, puis ajouter une grille de qualité pour éviter les “ça marche, mais c’est sale”. Le point le plus utile, c’est peut-être celui-ci: les systèmes d’évaluation se trompent aussi, et il faut les calibrer, les corriger, et accepter de raisonner en tendances plutôt qu’en certitudes. Bref, mesurer l’IA devient un métier à part entière.

Dans la même veine, des chercheurs en Corée du Sud proposent une idée pour réduire un fléau bien connu: les réponses fausses… mais dites avec aplomb. Leur approche vise à apprendre aux modèles à mieux reconnaître quand ils ne savent pas. L’intérêt, c’est la portée: si l’on arrive à rendre l’incertitude plus “honnête”, on améliore la sécurité d’usage dans des domaines où une erreur confiante peut être catastrophique, comme la santé ou la conduite autonome. Ce n’est pas une solution miracle, mais c’est une direction prometteuse: entraîner non seulement des réponses, mais aussi une forme de prudence.

Passons à la cybersécurité, avec un cas d’école autour de Linux. Un chercheur a publié un correctif rapidement, selon une culture où l’on traite les failles comme de simples bugs — mais en espérant garder la gravité du problème discrète quelques jours. Sauf qu’un autre acteur a déduit l’impact à partir du changement public et a partagé des détails, cassant l’embargo. Le fond du sujet: l’IA rend l’analyse de commits et de différences de code beaucoup plus facile et rapide, donc les “correctifs discrets” deviennent plus simples à reverse-engineerer. Résultat probable: des embargos plus courts, et une course à l’outillage défensif pour déployer les patchs plus vite.

Autre changement qui touche le quotidien: Google ajuste reCAPTCHA sur Android, avec certains contrôles “suspects” qui dépendraient désormais de Google Play Services. Pour la plupart des gens, ce sera invisible. Mais pour les utilisateurs de systèmes Android dé-Googlisés ou très axés sur la vie privée, cela peut se traduire par des vérifications qui échouent… et donc par des sites inaccessibles. Le sujet est intéressant parce qu’il montre comment une brique anti-abus, devenue quasi-infrastructure du web, peut renforcer une dépendance à un composant propriétaire, avec un effet immédiat sur l’ouverture et la compatibilité de l’écosystème.

Sur les distributions Linux, Fedora et Ubuntu annoncent vouloir mieux supporter l’IA générative en local, au point d’en faire un axe officiel. Fedora parle d’un bureau développeur orienté IA, ce qui déclenche déjà une controverse dans la communauté open source: certains y voient une évolution logique, d’autres une dérive qui change les priorités et les valeurs. Ubuntu suit une trajectoire comparable, en insistant sur la confidentialité et l’exécution locale. À suivre: si ces choix deviennent la norme, l’IA ne sera plus un “plus” installé à part, mais une attente de base du poste de travail.

Un mot enfin de science, parce que l’actualité techno, c’est aussi la mesure et les données. Des astronomes rapportent des indices d’une atmosphère très ténue autour d’un petit objet au-delà de Neptune, détectée grâce à une occultation stellaire où la lumière ne s’est pas interrompue net. Si c’est confirmé, ce serait surprenant pour un corps aussi froid et modeste, et cela obligerait à revoir ce qu’on pense possible, même très loin du Soleil. Et dans un tout autre domaine, des travaux sur les microARN présents dans le sperme renforcent l’idée que des expériences paternelles avant conception — exercice, stress, alcool — pourraient influencer certains traits de la descendance. Prudence sur l’interprétation, mais le signal est clair: la biologie devient de plus en plus “informationnelle”, et nos outils permettent de suivre des traces autrefois invisibles.