DART a dévié un astéroïde & OpenClaw envahit la vie quotidienne - Actualités Technologiques (16 mars 2026)

On commence donc dans l’espace, avec un résultat qui donne de la matière aux scénarios “film catastrophe”, mais côté scientifique. Une nouvelle étude indique que la mission DART de la NASA—celle qui a percuté l’astéroïde Dimorphos en 2022—n’a pas seulement raccourci son orbite autour de son compagnon Didymos. Les équipes de suivi ont aussi détecté un effet plus subtil: la trajectoire du duo autour du Soleil a, elle aussi, bougé. C’est la première fois qu’on observe directement ce type de déviation “héliocentrique” après un impact. Et détail important: ce n’est pas juste le choc du vaisseau. Les débris éjectés ont amplifié l’élan transmis, ce qui aide à mieux estimer, à l’avenir, de combien on peut réellement pousser un objet potentiellement dangereux.

Retour sur Terre, direction la Chine, où l’IA prend une forme très… sociale. Un agent open-source baptisé OpenClaw déclenche une vraie ruée: des utilisateurs feraient la queue devant des bureaux de grandes entreprises tech, ou paieraient des inconnus en ligne pour l’installer et le configurer. Sur les réseaux, on parle de “faire grandir le homard”, comme si l’agent devenait une créature qu’on nourrit pour qu’elle travaille à sa place. Ce qui frappe, c’est la vitesse à laquelle les usages dérivent: au-delà de l’automatisation de tâches, certains le poussent vers la surveillance de marchés et même le trading automatisé. Et là, les retours sont déjà contrastés, avec des pertes rapportées à cause d’ordres erronés ou de calculs mal interprétés. D’autres l’emploient comme coach de messages pour des rendez-vous amoureux, ou comme compagnon numérique sur des appareils portables. Problème: les autorités de sécurité ont publié des alertes sur des risques d’attaques et de fuites de données en cas de déploiements mal configurés, et certaines organisations limitent déjà l’outil sur les machines de travail. Un exemple très concret de ce que les agents IA changent: ils se diffusent comme des applications grand public… mais avec des conséquences de niveau entreprise.

Toujours en Chine, mais sur un tout autre registre: la régulation médicale. Le pays vient d’accorder une autorisation de mise sur le marché à son premier dispositif invasif d’interface cerveau-machine destiné à des adultes partiellement paralysés après des lésions de la moelle épinière. Les essais cliniques évoquent des progrès sur des gestes de la main, via un système combinant implant, assistance robotisée et logiciel. Au-delà du cas d’usage, c’est un jalon stratégique: Pékin veut clairement accélérer sur les “industries du futur”, et cette validation place les acteurs chinois plus visiblement en compétition avec des projets américains très médiatisés. À suivre, surtout sur les règles de remboursement et l’accès réel aux patients, qui font souvent la différence entre prouesse et adoption.

Passons maintenant aux lignes de fracture politiques autour de l’IA. Aux États-Unis, l’administration Trump aurait ordonné la fin de tous les contrats fédéraux avec Anthropic, après un bras de fer sur des restrictions: Claude ne serait pas censé être utilisé pour de la surveillance de masse ni pour des armes entièrement autonomes sans supervision humaine. Anthropic attaque la décision en justice, dénonçant une mesure de rétorsion et un précédent dangereux: si l’État peut “blacklister” un labo sur la base de ses garde-fous éthiques, beaucoup d’entreprises vont réfléchir à deux fois avant de fixer des limites publiques. De l’autre côté, le Pentagone avance l’argument inverse: ce n’est pas à un fournisseur de dicter l’usage de capacités militaires. Le dossier met surtout en lumière un vide: sans cadre légal clair sur l’IA en contexte de défense et de surveillance, ces choix se règlent à coups de contrats, de tribunaux… et de rapports de force.

Dans l’industrie logicielle, la discussion se déplace: moins “est-ce que l’IA code vite ?” et plus “à quel prix pour la compréhension ?”. Plusieurs analyses pointent un risque de “dette de compréhension”: le code s’accumule plus vite que la capacité humaine à l’absorber, et même des tests qui passent peuvent masquer une perte de modèle mental. Une fois que l’équipe doit déboguer ou faire une modification délicate, la facture arrive. En parallèle, on voit émerger des méthodes pour limiter ce piège. Un développeur décrit un workflow type “Night Shift”: la journée, l’humain rédige des spécifications claires, fait l’architecture et prépare la documentation; la nuit, l’agent IA prend une tâche, écrit des tests, implémente, puis se fait relire par d’autres agents avec des rôles de relecteurs. Au matin, l’humain reprend et valide commit par commit. L’idée est simple: économiser l’attention, réduire le pilotage en continu, et forcer la qualité via tests et validations. Et une autre tendance va dans le même sens: pour porter un code d’un langage à un autre, certains proposent d’abord de “transformer” le projet en spécifications et en descriptions vérifiables, puis de reconstruire à partir de là. On sent une profession qui cherche un nouvel équilibre entre accélération et maîtrise.

Côté infrastructure, Nvidia envoie un message intéressant: à mesure que l’IA passe de simples chatbots à des systèmes “agentiques” qui orchestrent beaucoup d’actions et déplacent énormément de données, les CPU redeviennent un goulot d’étranglement potentiel. Nvidia pousse donc ses propres processeurs, présentés comme des chefs d’orchestre qui évitent que les GPU—bien plus coûteux—attendent des données. Un élément marquant: des déploiements à grande échelle chez Meta, et des signaux d’une tension croissante sur l’approvisionnement en CPU serveurs, selon plusieurs acteurs du secteur. En clair: la prochaine course à l’IA ne se joue pas seulement sur les GPU. Elle se joue aussi sur tout ce qui les nourrit, les relie, et évite les embouteillages.

En parlant de course, Elon Musk occupe deux fronts. D’abord, une annonce: un “Terafab Project” censé démarrer très vite, avec la promesse implicite de réduire la dépendance aux fondeurs existants pour des puces dédiées à l’IA. Les détails restent flous, et c’est précisément ce qui intrigue: construire une capacité de fabrication de semi-conducteurs est un marathon, pas un sprint. Mais le simple fait de donner une date est un signal politique et industriel. Et puis, en parallèle, turbulences chez xAI: réorganisations, possibles départs forcés, et critiques internes sur la performance de produits comme Grok et un outil de codage. Là aussi, le sous-texte est clair: même avec des moyens considérables et l’accès à une plateforme sociale, convertir l’IA en usages payants et stables reste difficile. La compétition ne pardonne ni la confusion produit, ni l’instabilité managériale.

Sur les plateformes sociales, la pression monte sur deux axes: l’économie de l’attention et la sécurité. D’un côté, des lanceurs d’alerte racontent à la BBC une “course aux algorithmes” entre TikTok et Meta, où des choix de produit auraient augmenté l’exposition à des contenus nocifs. Les entreprises contestent ces accusations, mais l’histoire rejoint un débat récurrent: quand la recommandation optimise l’engagement, elle peut aussi optimiser la colère, la polarisation, et le contenu borderline. De l’autre, un procès à Los Angeles met en cause des mécanismes de design accusés d’“accrocher” les enfants—défilement infini, lecture automatique, notifications. La question n’est pas seulement médicale, elle est juridique: est-ce qu’une plateforme peut être tenue responsable de fonctionnalités conçues pour prolonger l’usage, quand l’utilisateur est mineur ? Le verdict est attendu comme un test majeur. Et il y a un troisième volet, très actuel: la désinformation de guerre. Des images et vidéos générées par IA circulent massivement sur X, y compris des scènes fabriquées, malgré des annonces de durcissement. Des chercheurs notent que la monétisation peut encore récompenser les contenus viraux, et que la vérification à grande échelle reste un défi. Résultat: une confusion qui s’installe vite, surtout quand le vrai et le faux se mélangent au fil des partages.

Dans les télécoms, Alphabet continue de se désengager de certains “grands paris” d’autrefois. Google Fiber—désormais GFiber—serait vendu à Stonepeak, avec une fusion prévue avec Astound Broadband, un autre opérateur détenu par Stonepeak. Alphabet garderait une participation minoritaire. L’enjeu: GFiber était un symbole, celui d’un challenger qui devait bousculer le haut débit américain. Avec ce montage, on passe à une logique de consolidation soutenue par du capital externe. Reste la question clé pour les consommateurs: est-ce que le nouvel ensemble investira agressivement pour améliorer les réseaux—et où—ou est-ce que l’histoire va surtout tourner autour d’optimisation financière et de concurrence plus “calculée” ?

On termine avec une histoire à la frontière entre biotech et IA, plus émouvante que spectaculaire—et qu’il faut prendre avec prudence. À Sydney, un entrepreneur a travaillé avec des chercheurs pour concevoir un vaccin ARNm personnalisé pour sa chienne, atteinte d’un cancer agressif. L’équipe a séquencé la tumeur, utilisé des outils d’IA pour traiter de gros volumes de données génétiques, puis conçu une formule ciblant des mutations spécifiques. Un des tumeurs aurait rétréci, améliorant le confort de l’animal, sans disparition complète de la maladie. Certains scientifiques rappellent que, sans essais contrôlés et réplication, on ne peut pas conclure grand-chose. Mais l’intérêt est réel: la personnalisation extrême devient plus accessible, et les animaux de compagnie pourraient servir de terrain d’innovation plus rapide—avec, potentiellement, des retombées pour la médecine humaine.