Implants cerveau-machine pour écrire & Nvidia accélère l’après-boom IA - Actualités Technologiques (18 mars 2026)

On commence donc par l’info la plus marquante côté santé-tech: une nouvelle étude rapporte qu’un implant d’interface cerveau-machine a permis à deux personnes paralysées d’écrire sur un clavier virtuel en “pensant” des mouvements de doigts. L’un des participants atteint une vitesse qui se rapproche d’un usage courant, ce qui change la nature de la promesse: on n’est plus seulement dans la démonstration, mais dans quelque chose qui peut réellement redonner de l’autonomie au quotidien. Le point à surveiller maintenant, c’est la robustesse: est-ce que ça tient dans le temps, dans d’autres profils de patients, et dans des conditions moins contrôlées que le laboratoire ?

Passons à l’IA et aux semi-conducteurs, avec Nvidia qui a occupé l’espace médiatique lors d’une grande conférence à San Jose. Jensen Huang a répété une idée simple: la vague IA n’est pas “finie”, elle change de forme. Après l’entraînement des grands modèles, l’enjeu se déplace vers leur utilisation en production — faire tourner ces modèles vite, souvent, et à grande échelle. Et c’est là que Nvidia veut rester incontournable. Dans le même souffle, Huang a évoqué un carnet de commandes gigantesque et a reconnu les tensions du moment: d’un côté, des investisseurs qui se demandent si l’enthousiasme n’est pas allé trop loin; de l’autre, des concurrents très sérieux, y compris des géants de la tech qui conçoivent leurs propres puces. Ajoutez à ça les restrictions commerciales entre Washington et Pékin, et on comprend pourquoi Nvidia insiste autant sur une stratégie “full stack”: pas seulement vendre du matériel, mais verrouiller l’écosystème logiciel et les usages.

Toujours chez Nvidia, autre axe: l’automobile et les robotaxis. D’abord, l’entreprise a annoncé de nouveaux partenariats avec plusieurs constructeurs, de l’Asie à l’Europe, signe que l’industrie cherche des briques standardisées après des années de promesses et de retours en arrière. Ensuite, Nvidia a élargi ses liens avec Uber et Lyft, avec l’idée de devenir la plateforme de référence derrière de futures flottes. Pourquoi c’est notable ? Parce que le marché semble se structurer autour d’une chaîne d’approvisionnement plus “modulaire”: au lieu d’un acteur unique qui maîtrise tout, on voit des spécialistes fournir la base technologique à des opérateurs de services. Et même si la conduite vraiment autonome reste limitée à des périmètres très encadrés, l’enjeu se joue déjà: qui fournira l’architecture et les outils quand les déploiements s’accéléreront ?

Côté OpenAI, l’actualité du jour est plus “plateforme” que spectaculaire: l’arrivée de variantes plus petites de GPT-5.4, pensées pour des usages à fort volume où la vitesse et le coût comptent autant que la qualité. L’idée, c’est de réserver les modèles les plus puissants aux tâches complexes, et d’utiliser ces versions plus légères comme couches d’exécution pour des automatisations, des sous-tâches et des agents. Ce mouvement est intéressant car il ressemble à une industrialisation: on ne parle plus seulement de “meilleur modèle”, mais d’une gamme conçue pour s’intégrer dans des produits, avec des temps de réponse plus courts et des workflows plus stables.

Et puisqu’on parle d’agents, il y a un fil rouge très clair aujourd’hui: l’IA dans le développement logiciel ne se résume plus à “générer du code”. Le sujet devient la fiabilité dans le monde réel. D’un côté, on voit émerger des outils et frameworks open source pour aider les équipes à encadrer des agents qui travaillent sur de vrais dépôts, avec des règles, des tests, et des environnements isolés. De l’autre, les retours d’expérience convergent: sans contexte — décisions passées, conventions d’équipe, historique du projet — les agents produisent plus facilement des changements qui cassent des habitudes, ratent des dépendances ou échouent aux tests. Et il y a aussi un rappel très humain, venu d’un dirigeant du monde devops: même si l’IA permet d’écrire plus vite, les organisations restent ralenties par les validations, les files d’attente de revue, et la coordination. En clair: accélérer la production sans repenser le “goulot d’étranglement” de la validation, c’est déplacer le problème, pas le résoudre.

Autre débat qui ressurgit avec l’IA générative: le destin des tableurs. Un investisseur de la Silicon Valley avance que beaucoup de workflows coincés dans des feuilles de calcul — fragiles, peu testables, mal versionnées — pourraient basculer vers de petites applications, parce que l’IA abaisse la barrière pour créer une interface, une base de données et des règles métier. Les critiques répondent que le tableur survit pour une bonne raison: c’est une interface très “audit-able”, où l’humain peut inspecter, ajuster, comprendre — ce qui est crucial quand l’exactitude doit frôler le parfait, notamment en finance. La conclusion probable ? Le tableur ne disparaîtra pas, mais il pourrait devenir davantage une vue et un espace de réflexion, pendant que la logique, elle, migrera vers des micro-apps plus robustes.

Géopolitique de l’IA maintenant: la Chine renforce son contrôle autour de l’acquisition par Meta de Manus, une start-up IA basée à Singapour mais liée à des fondateurs et racines chinoises. Selon des sources proches du dossier, Pékin s’inquiète d’un transfert de technologies et de talents, et pourrait même limiter la mobilité de certains dirigeants. Pourquoi c’est important ? Parce que ça illustre une tendance lourde: l’IA n’est pas seulement une course technologique, c’est aussi une bataille pour les cerveaux, les données et les chaînes de contrôle. Et ces frictions peuvent compliquer des acquisitions transfrontalières, mais aussi la collaboration scientifique et industrielle, au moment même où les entreprises veulent “globaliser” leurs équipes IA.

Retour au concret du quotidien: Amazon étend aux États-Unis la livraison en une heure et en trois heures sur un grand nombre de villes. Ce n’est pas qu’une amélioration de service; c’est un signal de concurrence. La rapidité devient un terrain de bataille central face à Walmart et aux plateformes de livraison à la demande. Ce que ça dit du marché, c’est surtout l’évolution des attentes: la commodité quasi immédiate n’est plus une exception, elle devient une référence. Et quand cette promesse se généralise, la logistique redevient un avantage stratégique, aussi décisif que le prix ou le catalogue.

Enfin, un point défense et espace: le programme américain de bouclier antimissile “Golden Dome” revoit son estimation à la hausse, avec une accélération annoncée sur des capacités spatiales de détection et de suivi, en particulier face aux missiles hypersoniques. Les autorités insistent sur une architecture “raisonnable” et contestent les projections beaucoup plus élevées. Pourquoi c’est à suivre ? Parce que ce type de programme est, par nature, un engagement long, coûteux, politiquement sensible, et techniquement risqué. Et parce qu’il alimente un débat récurrent: jusqu’où militariser l’orbite, et à quel prix — financier comme géopolitique ?

Avant de conclure, deux signaux côté recherche. D’abord, au Canada, l’expérience SuperCDMS a atteint son régime de température ultrabasse, une étape clé avant la calibration et les premières recherches de matière noire. Ce genre d’annonce ne garantit pas une découverte, mais marque le passage du “chantier” à la science exploitable. Ensuite, en biotechnologie, des chercheurs ont modifié une bactérie probiotique pour produire un médicament anticancéreux directement dans des tumeurs… chez la souris. C’est prometteur sur le papier — concentrer le traitement au bon endroit et limiter les effets ailleurs — mais on reste au stade préclinique, avec de grandes questions de sécurité et de contrôle avant d’envisager des essais humains. Et au passage, une histoire circule aussi sur l’usage d’outils d’IA grand public pour concevoir un vaccin personnalisé pour un chien atteint de cancer, avec une amélioration rapportée. C’est un récit qui fascine, mais qu’il faut lire avec prudence: sans validation indépendante, ce type de cas illustre surtout l’urgence d’encadrer, d’évaluer, et de ne pas confondre exploration assistée par IA et preuve clinique.