OpenAI vers une entrée en Bourse & IA et preuve mathématique surprise - Actualités Technologiques (21 mai 2026)

On commence par le gros morceau du jour: OpenAI se préparerait à déposer, de manière confidentielle, un projet de prospectus d’introduction en Bourse auprès des régulateurs américains, potentiellement dès la fin de semaine. Des banques comme Goldman Sachs et Morgan Stanley seraient impliquées. Le calendrier peut encore bouger, mais le signal est clair: si l’IPO avance, OpenAI passera d’un récit de “laboratoire emblématique” à une histoire disséquée ligne par ligne—croissance, coûts, dépendances, et trajectoire de rentabilité. Et dans un marché où la concurrence s’intensifie, notamment sur l’IA pour l’entreprise et le code, une entrée en Bourse deviendrait aussi un référendum public sur sa capacité à garder une longueur d’avance. En toile de fond, le feuilleton Altman–Musk, déjà dans les tribunaux, risque d’alimenter encore davantage l’attention médiatique et financière.

Dans le même univers OpenAI, autre annonce qui fait lever un sourcil—cette fois côté sciences fondamentales. L’entreprise dit qu’un nouveau modèle de raisonnement a produit une preuve originale réfutant une conjecture connue en géométrie discrète, posée par Paul Erdős en 1946. Particularité: OpenAI cite des commentaires de mathématiciens établis, dont certains avaient critiqué des annonces précédentes jugées trop ambitieuses. Pourquoi c’est intéressant, au-delà du prestige? Parce que si la communauté confirme, cela suggère une IA capable de tenir une chaîne d’arguments longue et cohérente, et de sortir des “réflexes” attendus—ici, l’idée que les meilleures constructions ressemblaient à des grilles. Ce n’est pas encore une révolution automatique des mathématiques, mais c’est une indication de plus que l’IA peut parfois surprendre là où on l’attend le moins.

Passons à Google, qui pousse une autre idée: réduire le goulot d’étranglement du logiciel scientifique. Des chercheurs ont présenté dans Nature un système baptisé ERA, conçu pour générer et améliorer automatiquement des programmes sur des tâches où l’on peut noter objectivement la performance. L’intérêt, c’est le cycle complet: proposer une approche, l’implémenter, la tester, puis itérer vite—beaucoup plus vite qu’un humain qui doit coder, déboguer, retuner, et recommencer. Dans les démonstrations, l’outil aurait produit des modèles de prévision d’hospitalisations COVID plus performants que des références, et accéléré des travaux de modélisation en neurosciences. En clair: moins de temps perdu dans l’ajustement technique, plus de bande passante pour les bonnes questions scientifiques—à condition, évidemment, que les résultats soient robustes et réplicables.

Toujours dans Nature, on voit aussi monter une tendance très concrète: les “co-scientifiques” IA, faits de plusieurs agents spécialisés qui se répartissent lecture, hypothèses, propositions d’expériences et analyse. Chez Google DeepMind, ce système a été testé sur du repositionnement de médicaments pour une leucémie; chez FutureHouse, sur une forme sèche de dégénérescence maculaire liée à l’âge. Dans les deux cas, promesse similaire: comprimer des semaines de travail préparatoire en quelques heures. Mais le point important, et les auteurs le répètent, c’est que la validation biologique reste le juge de paix: beaucoup d’idées prometteuses en culture cellulaire ne survivent pas à des tests plus exigeants. La nouveauté, c’est surtout la vitesse à laquelle on peut générer et trier des pistes, pas une garantie de succès final.

Parlons maintenant d’authenticité des contenus, un sujet qui devient central à mesure que l’IA génère images, vidéos et voix à grande échelle. Google annonce que SynthID, son système de watermarking intégré directement dans le média, aurait déjà marqué 100 milliards d’images et vidéos, et une quantité d’audio équivalente à des dizaines de milliers d’années. Le vrai changement, c’est l’ouverture: des partenaires doivent l’adopter, dont Nvidia pour certains modèles, et OpenAI pour sa génération d’images. Pourquoi c’est stratégique? Un marquage n’a de valeur que s’il est largement partagé—sinon, il ne couvre qu’un petit coin d’internet. En parallèle, Google pousse aussi le standard C2PA, davantage orienté “provenance” et métadonnées, avec l’idée d’afficher plus facilement d’où vient un contenu et comment il a été modifié. On ne résoudra pas tout—les modèles non marqués continueront d’exister—mais on voit enfin une tentative d’alignement industriel.

Et justement, la confiance en ligne prend un autre coup avec une étude de l’UC San Diego sur un test de Turing modernisé. Résultat marquant: quand on demande à des modèles de conversation d’adopter une “persona” humaine crédible, certains participants les identifient comme humains une grande partie du temps. Sans ce cadrage, les performances retombent nettement, ce qui est en soi instructif: l’IA peut jouer “humain” si on la guide, mais elle ne le fait pas systématiquement. La conséquence, elle, est très simple: plus ces systèmes deviennent crédibles en discussion, plus l’attaque par ingénierie sociale devient accessible—arnaques, manipulation, faux support technique, ou campagnes d’influence difficiles à distinguer d’échanges réels.

Côté entreprises, deux signaux forts sur l’emploi: Meta et Cloudflare, avec un même fil rouge—l’IA comme moteur de réorganisation. Meta aurait supprimé environ un dixième de ses effectifs, tout en déplaçant des milliers de personnes vers des rôles liés à l’IA et en investissant lourdement dans les infrastructures. Le message de Mark Zuckerberg est assez direct: la compétition s’accélère, et l’entreprise veut se positionner pour la prochaine vague. Et chez Cloudflare, le PDG explique des licenciements massifs malgré des indicateurs financiers solides. Sa thèse: l’IA change la manière d’organiser le travail, et certaines couches de coordination ou d’opérations deviennent moins nécessaires. On peut discuter la vision, mais l’idée importante est là: les coupes ne sont plus seulement un réflexe en période difficile; elles peuvent aussi être un choix structurel, même quand la croissance est au rendez-vous.

En Asie, Singapour continue de se positionner comme plateforme de référence pour l’IA appliquée. Le pays a signé des accords séparés avec OpenAI et Google, visant l’administration, la santé, l’éducation, et l’économie. OpenAI prévoit notamment un laboratoire “Applied AI” à Singapour, présenté comme son premier du genre hors des États-Unis, avec des embauches annoncées sur plusieurs années. Google, de son côté, met l’accent sur la formation et la recherche, y compris des collaborations potentielles autour de la santé. Pourquoi c’est notable? Singapour mise sur un rôle de carrefour: attirer des talents, tester des usages à grande échelle, et exporter des méthodes—tout en cherchant à encadrer le déploiement de systèmes de plus en plus autonomes.

Sécurité maintenant: GitHub indique qu’un attaquant a pu accéder à environ 3 800 dépôts internes, après qu’un employé a installé une extension Visual Studio Code piégée. L’entreprise dit avoir contenu l’incident rapidement et ne pas avoir de preuve d’un impact direct sur des données clients en dehors de ces dépôts. Mais le scénario est parlant: l’extension d’IDE est devenue une porte d’entrée redoutable, parce qu’elle vit au plus près du code, des tokens, des secrets, et des habitudes de travail. C’est un rappel très concret que la “supply chain” logicielle, ce n’est pas seulement des bibliothèques: ce sont aussi les outils du quotidien des développeurs.

Sur le terrain du droit et du logiciel libre, une affaire de longue date arrive devant un jury en Californie: un bras de fer autour des téléviseurs connectés Vizio. L’enjeu est le respect de licences comme la GPL et la LGPL, et surtout la question de savoir si le code source fourni est suffisamment complet pour être compilé et utilisé. Derrière ce débat qui peut sembler technique, il y a des implications très grand public: la capacité de prolonger la vie d’un appareil, de corriger des failles, de désactiver des comportements intrusifs… et, plus généralement, de savoir ce qu’on a réellement le droit de faire avec les objets numériques qu’on possède.

Chez Apple, deux infos à surveiller. D’abord, Siri: selon des indiscrétions, Apple préparerait dans iOS 27 des options pour supprimer automatiquement l’historique des conversations après une durée choisie. C’est cohérent avec la stratégie “privacy d’abord” de la marque, et cela pourrait devenir un vrai différenciateur alors que les assistants se transforment en interlocuteurs quasi permanents. Deuxième sujet, plus matériel: des fuites évoquent un iPhone pliable dont l’écran serait presque sans pli visible—un des reproches majeurs du segment. Mais la charnière poserait encore des problèmes de durabilité, ce qui pourrait retarder la production. Moralité: sur les pliables, l’expérience ne se joue pas seulement sur la dalle, mais sur la mécanique.

Un détour par la biotechnologie, avec Colossal Biosciences, qui alimente autant l’imaginaire que la controverse. D’un côté, l’entreprise affirme progresser sur des systèmes d’œufs artificiels pour le développement d’embryons d’oiseaux, et elle lie ces avancées à ses ambitions de “dé-extinction”, comme le moa en Nouvelle-Zélande. De l’autre, elle dit être proche d’un système d’utérus artificiel pour des mammifères, avec des tests sur un petit marsupial. Des chercheurs néo-zélandais soulignent toutefois un point clé: l’ingénierie peut être impressionnante, mais sans données publiées et évaluées, impossible de juger la portée réelle—et encore moins d’annoncer un retour imminent d’espèces disparues. Ce débat est intéressant parce qu’il dépasse le sensationnel: la même boîte à outils peut servir la conservation d’espèces menacées, améliorer la reproduction assistée, ou ouvrir des zones grises sur le bien-être animal et la gouvernance. La question n’est pas seulement “peut-on le faire?”, mais “qui décide, selon quelles règles, et avec quel consentement?”

On termine avec une avancée médicale préclinique qui, elle, vise un besoin très concret: traiter les tumeurs cérébrales agressives. Des chercheurs à UCLA décrivent une approche de CAR‑T “armurée” par des cytokines, testée sur des modèles de glioblastome chez la souris, avec l’objectif d’améliorer l’efficacité dans les tumeurs solides tout en limitant la toxicité. Ce qui retient l’attention, c’est l’idée d’élargir la réponse immunitaire autour de la tumeur, afin de réduire les échappements quand certaines cellules ne portent pas la cible attendue. On reste loin d’un traitement disponible, mais c’est un exemple de la façon dont l’immunothérapie continue d’évoluer, pas seulement en puissance, mais en contrôle des effets secondaires—un point souvent décisif pour passer du laboratoire à la clinique.