Cerveau congelé, activité relancée & IA au travail: vertige et agents - Actualités Technologiques (13 mars 2026)

On commence justement par cette avancée étonnante en neurosciences. En Allemagne, une équipe a montré qu’on pouvait récupérer une activité neuronale mesurable après avoir cryopréservé des tranches de cerveau de souris. Ils utilisent une méthode dite “sans glace”, la vitrification, qui évite les cristaux destructeurs. Après décongélation, les neurones répondent à des stimulations, et un mécanisme lié à l’apprentissage reste observable. Ce n’est pas un billet pour congeler un cerveau humain et le réveiller plus tard—on en est très loin—mais c’est une preuve importante: on ne parle plus seulement de “préserver la structure”, on commence à entrevoir la préservation de fonctions.

Restons dans la santé, avec deux nouvelles qui vont dans le sens d’une biotech plus “pilotable”. D’abord, des chercheurs menés par l’Oregon State University proposent une façon de mesurer, chez l’animal vivant, si les nanoparticules de thérapie génique parviennent à échapper aux compartiments cellulaires où elles sont souvent détruites. Dit simplement: on sait mieux où ça bloque, et donc comment améliorer la livraison du bon “cargo” au bon endroit, à plus faible dose. Ensuite, à Harvard et Dana-Farber, une plateforme de vaccin basée sur des nanostructures en ADN—façon origami—montre chez la souris une réponse immunitaire plus large, et des signaux prometteurs dans un modèle de ganglion “sur puce”. Là encore, l’intérêt est surtout dans la précision et la reproductibilité: mieux contrôler la formulation pour rendre les vaccins plus robustes et plus faciles à déployer.

Passons à l’intelligence artificielle et au travail, parce que plusieurs signaux convergent. Un capital-risqueur, Anand Iyer, raconte un dîner à San Francisco où des investisseurs en viennent à considérer “finançables” des idées très marginales—non pas par provocation, mais parce que les idées classiques peuvent se faire balayer du jour au lendemain. Il cite même une startup appréciée… dont le marché aurait été effacé en quarante-huit heures, après une mise à jour de modèle. Sa thèse est simple: dans un monde où les API d’IA avalent des usages entiers, l’incertitude devient structurelle. Et l’angoisse, dit-il, dépasse l’économie: si l’échelle des carrières se fragilise, on perd aussi des choses moins visibles—cadre, identité, communauté.

Cette idée rejoint l’analyse d’Ethan Mollick: on passerait d’une IA “coéquipière” à des systèmes plus agentiques, capables d’exécuter des heures de tâches et de revenir vite avec des livrables. La compétence humaine se déplace alors vers le pilotage, la validation, et la mise en place de garde-fous. C’est excitant… et instable: dès qu’un seuil de capacité est franchi, des usages se débloquent et des organisations se réorganisent, parfois brutalement. Et si les labos accélèrent l’usage de l’IA pour fabriquer de meilleures IA, la pente pourrait devenir encore plus raide.

Sur le terrain, une étude longitudinale menée par Annie Vella auprès d’ingénieurs logiciels met des mots sur ce glissement. Les participants disent passer moins de temps à écrire du code, et un peu plus à relire. Surtout, le travail se déplace de la “création” vers la “vérification”: tester, debugger, examiner, corriger. Beaucoup du temps gagné ne devient pas de l’architecture ou du design; il part dans le fait de diriger l’outil et d’évaluer ce qu’il produit. Elle propose même un terme: une forme de “supervision” qui devient centrale, mais encore mal outillée.

Et quand une entreprise de la taille d’Amazon pousse l’adoption, l’effet d’entraînement peut être énorme. Selon des témoignages rapportés par la presse britannique, des employés décrivent une pression croissante pour utiliser des outils IA internes, avec des sorties parfois approximatives et un coût de vérification élevé. Certains évoquent aussi des tableaux de bord de suivi de l’usage, et la crainte que le scepticisme soit pénalisé. Amazon répond qu’il ne s’agit pas d’une obligation, plutôt d’expérimentation. Mais la question, elle, est très concrète: si “utiliser l’IA” devient un indicateur de performance, est-ce qu’on optimise réellement la qualité du travail… ou surtout la conformité à un mot d’ordre ?

Côté concurrence des modèles, Meta reporte la sortie de son prochain modèle fondation, Avocado. En interne, il progresserait par rapport à la génération précédente, mais resterait derrière les tout derniers systèmes des rivaux sur des tâches clés comme le raisonnement et le code. Le retard compte, parce que Meta investit des milliards pour rattraper son retard: il y a un enjeu d’image, de produits, et même de recrutement. Et en arrière-plan, une tension stratégique: garder l’approche open source qui a fait sa marque, ou basculer vers davantage de fermeture pour rester compétitif.

Sur la régulation, l’Union européenne avance vers l’interdiction d’outils capables de générer des deepfakes sexuels non consensuels. Le sujet a été accéléré par des dérives autour de contenus générés via Grok, le chatbot intégré à X. L’idée, côté UE, est de couper le problème à la source: rendre illégal le fait de commercialiser ou déployer des systèmes qui facilitent ce type de contenus. Si le texte est formellement adopté, cela pourrait forcer un vrai changement côté plateformes et fournisseurs d’IA—avec, évidemment, de gros débats sur l’application concrète et la détection.

Et aux États-Unis, un procès très suivi est arrivé au moment des délibérations: une jeune femme accuse Instagram et YouTube d’avoir contribué à des troubles graves en s’appuyant sur des mécaniques conçues pour maximiser l’attention. Les entreprises contestent la causalité et mettent en avant des dispositifs de contrôle. L’enjeu dépasse ce cas: si la justice estime que certains choix de design relèvent d’une responsabilité comparable à celle d’industries autrefois intouchables, c’est tout un pan de l’économie de l’engagement qui pourrait être redessiné.

Un détour par la robotique: Sunday Robotics lève 165 millions de dollars pour une stratégie qu’ils appellent “zéro donnée robot”. En clair, ils veulent collecter des démonstrations dans des maisons sans déployer des flottes de robots pendant la collecte: un humain porte un gant, effectue les gestes, et l’objectif est de transférer ces trajectoires vers le robot. Si ça tient la route, c’est potentiellement une façon d’augmenter vite la diversité des situations—ce qui est vital pour des robots domestiques “généralistes”. Le risque, c’est le fameux écart entre ce qu’un humain fait naturellement et ce qu’un robot peut reproduire au contact du monde réel. Mais l’ambition est claire: réduire le coût et le délai qui freinent le passage à l’échelle.

Pour les développeurs, deux tendances se répondent. D’un côté, Vite 8 marque un changement d’architecture important en unifiant la chaîne de build autour d’un outil plus cohérent, avec des gains de vitesse rapportés par les premiers utilisateurs. De l’autre, une idée revient avec force à l’ère du “vibe coding”: si l’IA écrit de plus en plus de code, la vraie valeur se déplace vers la spécification exacte de ce qu’on veut. Un article défend les types dépendants comme moyen de rapprocher spécification et implémentation: au lieu d’espérer que tests et prompts suffisent, on force le programme à “prouver” des propriétés au moment de la compilation. L’intérêt n’est pas de tout formaliser demain matin, mais de noter un basculement: l’IA peut rendre viable ce qui était trop laborieux pour des humains seuls.

Dans l’espace, deux résultats scientifiques affinent notre compréhension des collisions cosmiques. D’abord, un sursaut gamma lié à une fusion d’étoiles à neutrons aurait eu lieu dans une galaxie étonnamment petite—ce qui peut expliquer pourquoi certains événements semblent “sans hôte” observable. Ensuite, l’analyse d’une fusion étoile à neutrons–trou noir suggère une orbite excentrique juste avant la collision, ce qui pointe vers une histoire plus chaotique, dans un environnement dense, plutôt qu’une évolution tranquille en duo isolé. Et au passage, ces fusions restent des suspects majeurs pour expliquer la dispersion d’éléments lourds comme l’or ou le platine.

Enfin, l’économie de l’IA continue de se jouer dans le béton et le silicium. Les géants—Microsoft, Alphabet, Amazon, Meta—annoncent des dépenses colossales pour étendre leurs infrastructures. Dans ce paysage, TSMC est souvent présenté comme le grand gagnant “pelles et pioches”: peu importe quel concepteur de puces domine, il faut fabriquer à grande échelle, et TSMC est au centre. C’est une manière de parier sur la vague sans choisir un seul champion.

Deux notes pour finir. D’abord, côté logement, une analyse rappelle pourquoi la préfabrication n’a pas tenu sa promesse de faire chuter les coûts comme l’automobile: la construction reste un puzzle de normes, de terrains, de finitions et de coordination locale. La valeur du prefab serait plutôt dans la vitesse, la qualité et la prévisibilité—pas dans une révolution des prix. Et côté entreprises, Adobe annonce que son CEO, Shantanu Narayen, partira une fois un successeur trouvé, tout en restant président du conseil. Le marché a réagi nerveusement: Adobe est en plein repositionnement face à l’IA générative, et la question est simple—qui tiendra le cap pour protéger le cœur du modèle, tout en monétisant la prochaine vague ?