L'IA aux commandes d'un F-16 tandis que le Chelsea Flower Show met à l'honneur les technologies de jardinage

Nic Reeve15:00 29.08.20265 min de lecture

Cet été, l'intelligence artificielle a franchi une nouvelle étape visible, passant des démonstrations en laboratoire aux systèmes du monde réel : un programme a piloté un F-16 sous contrôle IA, tandis qu'un autre a intégré l'IA au cœur du Chelsea Flower Show. Cette même période a également vu apparaître de nouvelles mises à jour de produits et de plateformes autour de la conception assistée par IA et des outils grand public, soulignant la rapidité avec laquelle cette technologie se propage dans les secteurs de la défense, de la création et des logiciels du quotidien.

Lors de l'essai militaire le plus marquant, Lockheed Martin a annoncé qu'un agent IA avait piloté un F-16 lourdement modifié lors de 27 interceptions de cibles réelles, au cours d'une campagne de huit sorties à la base aérienne d'Edwards, en Californie. L'appareil a utilisé un pod Lockheed Martin Legion pour suivre une cible, et les données de ciblage ont été transmises à l'agent IA embarqué, qui a ensuite manœuvré l'avion en position d'interception. L'entreprise a déclaré que l'essai démontrait une boucle « capteur-action » plus rapide dans un environnement de combat aérien, tout en maintenant un pilote dans la structure de sécurité durant les essais.

Un rapport distinct sur les travaux VENOM de l'U.S. Air Force et de la DARPA indique qu'un F-16 modifié a été piloté sous contrôle IA à la base aérienne d'Eglin, en Floride, avec un pilote humain dans le cockpit prêt à reprendre les commandes. Ce programme a débuté par des vols de validation en juin 2026 pour vérifier les mises à niveau matérielles et logicielles, avant de passer, en juillet, à des missions où l'IA gérait certaines phases du vol. Ensemble, ces tests montrent comment l'autonomie dépasse le stade de la simulation pour s'intégrer à des opérations aériennes contrôlées sur des avions réels.

L'importance pour la défense ne réside pas seulement dans le fait qu'un algorithme puisse piloter un jet, mais qu'il puisse le faire de manière répétée dans un contexte opérationnel contraint. Selon les rapports, le système d'IA a été couplé à du matériel et des capteurs améliorés plutôt qu'à un avion entièrement redessiné, ce qui suggère que l'accent est actuellement mis sur l'intégration et la fiabilité plutôt que sur le remplacement pur et simple des pilotes. Cette distinction est importante car elle montre que la technologie est conçue comme un multiplicateur de force, et non comme un substitut autonome au jugement humain.

Ailleurs, le Chelsea Flower Show a offert une image très différente de l'extension du champ d'application de l'IA. La couverture de l'édition 2026 a mis en lumière des outils de conception de jardins et de surveillance des plantes assistés par IA, notamment une plateforme appelée Spacelift, présentée comme un système destiné à aider les propriétaires à planifier, concevoir et gérer leurs espaces extérieurs. Les débuts de cette plateforme reflètent une tendance plus large observée lors du salon : l'intelligence artificielle est de plus en plus utilisée pour façonner les paysages, et non plus seulement pour les analyser.

Parallèlement, l'IA à Chelsea ne s'est pas limitée aux logiciels de conception. Les reportages de la BBC sur l'événement de 2026 ont décrit une technologie de scan de la santé des plantes ayant été primée, tandis que d'autres articles mentionnaient des outils et des présentations basés sur l'IA visant à aider les jardiniers à comprendre le stress des plantes, les besoins en irrigation et l'entretien à long terme. La Royal Horticultural Society a également été associée à des projets visant une utilisation plus large de l'IA dans les bases de données botaniques et la planification des jardins, ce qui suggère que la technologie pourrait devenir un outil pratique plutôt qu'une simple nouveauté sans lendemain.

La réaction au sein du monde du jardinage est mitigée. Certains concepteurs considèrent l'IA comme une aide à la planification utile, capable d'accélérer le travail de mise en page, d'améliorer la visualisation et d'appuyer les décisions d'entretien. D'autres craignent que la technologie ne standardise la conception en résultats formels ou ne dévalorise le savoir-faire des paysagistes humains. Cette tension était visible dans la couverture du Chelsea Flower Show 2026, où les jardins générés ou assistés par IA sont devenus un sujet de débat à part entière.

Ce qui lie les essais du F-16 et le Chelsea Flower Show, ce n'est pas la technologie elle-même, mais le stade qu'elle a atteint. Dans les deux cas, l'IA sort des présentations spéculatives pour entrer dans des environnements appliqués avec des contraintes réelles : dynamique de vol complexe d'un côté, écosystèmes vivants et attentes des clients de l'autre. Le message sous-jacent est le même : l'IA devient moins une promesse abstraite qu'un outil opérationnel.

Ce changement soulève également une question plus large pour l'industrie. À mesure que les systèmes d'IA sont déployés dans des domaines aussi différents que l'aviation militaire et la conception de jardins, la mesure du succès passe de la capacité brute à la performance fiable. Le système peut-il agir de manière sûre, explicable et cohérente lorsque les conditions changent ? Les humains peuvent-ils le superviser efficacement ? La technologie peut-elle produire des résultats que les utilisateurs souhaitent réellement ? Les exemples récents suggèrent que ces questions sont désormais au cœur de l'évaluation de l'IA.

Pour l'instant, la situation est celle d'une diversification rapide. Un avion de chasse peut être partiellement dirigé par un agent IA. Un salon de jardinage peut présenter des outils de conception et de santé des plantes assistés par IA. Les logiciels grand public peuvent prétendre aider les gens à créer et à gérer des espaces extérieurs avec l'assistance de machines. Le fil conducteur est que l'IA n'est plus confinée aux démonstrations logicielles ; elle est de plus en plus testée dans le monde physique, là où les conséquences sont visibles et les exigences plus élevées.

Lire la suite →

Articles connexes

AI & Tech

IA : xAI dévoile Grok 4.7, avec des capacités de raisonnement accrues pour les développeurs

AInews : xAI a présenté Grok 4.7 le 21 septembre 2026, positionnant le modèle comme son système le plus puissant à ce jour pour le développement logiciel, les tâches agentiques et le travail intellectuel professionnel. Selon l'annonce de lancement de xAI, la version est disponible via Cursor, Grok Build, l'API Grok, des outils de codage tiers, des routeurs de modèles et des plateformes cloud. Qu'a publié xAI le 21 septembre ? xAI a lancé Grok 4.7 en tant que nouveau modèle phare pour les travaux nécessitant un raisonnement étendu, de la génération de code et de la recherche. L'entreprise affirme que le système repose sur un modèle de base plus large que Grok 4.6 et qu'il a bénéficié d'un apprentissage par renforcement supplémentaire sur des tâches difficiles et de longue durée. Date de lancement : 21 septembre 2026, selon xAI. Utilisations principales : codage, flux de travail agentiques et travail intellectuel, selon xAI. Identifiant du modèle : grok-4.7 sur l'API xAI, selon les informations de lancement de xAI. Entrées et sorties : texte et images en entrée, avec une sortie textuelle, selon les détails du modèle publiés par xAI. Ce lancement fait suite à plusieurs jours de spéculations concernant une nouvelle version de Grok. Des rapports publiés avant l'annonce évoquaient d'éventuelles apparitions dans les quotas de services cloud, mais ces rapports n'établissaient pas de sortie publique officielle. L'annonce de xAI du 21 septembre a apporté la première confirmation directe. Quelles sont les capacités revendiquées par Grok 4.7 ? Grok 4.7 est conçu pour rester engagé dans des tâches complexes plus longtemps, pour vérifier son propre travail et pour gérer de grandes quantités de contexte. Ces affirmations émanent de xAI et décrivent les cas d'utilisation visés par l'entreprise plutôt qu'un verdict de performance indépendant. Fenêtre de contexte : 500 000 tokens, selon les informations du modèle de xAI. Contrôles de raisonnement : réglages bas, moyen, élevé et très élevé (xhigh), selon la documentation de lancement de xAI. Niveau de raisonnement par défaut : élevé, selon les détails de la sortie résumés par des publications indépendantes du secteur de l'IA. Outils : appel de fonctions (function calling), recherche web, recherche X et exécution de code, selon la documentation de l'API de xAI. L'accent mis par le modèle est pratique plutôt que limité au chat. Un agent de codage peut utiliser des appels d'outils, inspecter des fichiers, réviser du code et exécuter des tests. Un flux de travail de recherche peut conserver davantage de matériel au cours d'une même session. La fenêtre de 500 000 tokens permet également aux développeurs de transmettre de grands répertoires, des documents techniques ou des historiques de tâches multi-étapes sans avoir à fractionner chaque requête. Comment le nouveau modèle s'est-il comporté lors des tests publiés ? Les premiers chiffres de référence (benchmarks) proviennent principalement des documents de lancement de xAI et doivent être interprétés comme des résultats rapportés par l'entreprise. La couverture médiatique indépendante a repris ces chiffres, mais les rapports disponibles n'établissent pas que chaque test a utilisé des invites (prompts), des outils ou des règles d'évaluation identiques pour les systèmes concurrents. CursorBench 4.0 : 46,3 %, selon les résultats de benchmark rapportés par xAI. DeepSWE v1.1 : 71,0 %, selon les résultats de benchmark rapportés par xAI. EEBench : 64,0 %, selon les résultats de benchmark rapportés par xAI. HealthBench Professional : 56,7 %, selon les résultats de benchmark rapportés par xAI. Harvey Legal Agent Benchmark : 19,6 %, selon les résultats de benchmark rapportés par xAI. Ces tests couvrent des capacités différentes. Les benchmarks de codage mesurent les performances en ingénierie logicielle, tandis que les évaluations de santé et de droit examinent la réponse à des questions professionnelles ou le comportement d'un agent. Un seul pourcentage ne peut décrire la performance du modèle pour chaque cas d'utilisation. Les utilisateurs devront également distinguer les scores de benchmark de la fiabilité en production. Un système peut produire un résultat solide lors d'un test contrôlé et nécessiter tout de même une révision humaine lorsqu'il modifie une base de code en direct, traite des dossiers sensibles ou prend des décisions dans des domaines réglementés. Où les clients peuvent-ils utiliser Grok 4.7 ? Grok 4.7 a été lancé via des produits pour développeurs plutôt que comme une simple mise à jour destinée uniquement aux consommateurs. xAI indique que les clients peuvent y accéder via Cursor et Grok Build, tandis que les utilisateurs de l'API peuvent le connecter à des applications et des agents de codage. Cursor : disponible dès le lancement, selon xAI et la couverture indépendante de la sortie. Grok Build : disponible dès le lancement, selon xAI. API xAI : disponible sous le nom grok-4.7 , selon xAI. Autres voies : environnements de codage tiers, routeurs de modèles et plateformes cloud, selon xAI. GitHub Copilot : des rapports indépendants sur la sortie indiquent que le modèle a été ajouté pour les forfaits Pro, Pro+, Max, Business et Enterprise dès le jour du lancement. La disponibilité peut varier selon le produit, le forfait et la région. L'accès à l'API dépend également de l'approbation du compte, du support des points de terminaison (endpoints) et de l'intégration choisie par le développeur. Le fait qu'un modèle apparaisse dans un service de routage ne signifie pas nécessairement que chaque client bénéficie des mêmes limites, de la même latence ou du même accès aux outils. Combien coûte Grok 4.7 ? xAI a fixé le prix du modèle API standard à 2 $ par million de tokens d'entrée et 6 $ par million de tokens de sortie pour les invites de moins de 200 000 tokens, selon la tarification publiée par l'entreprise. Les invites plus longues utilisent un palier de prix supérieur. Entrée (Input) : 2 $ par million de tokens en dessous du seuil de 200 000 tokens, selon xAI. Entrée en cache (Cached input) : 0,50 $ par million de tokens en dessous de ce seuil, selon la documentation de lancement. Sortie (Output) : 6 $ par million de tokens en dessous du seuil, selon xAI. Invites plus longues : 4 $ pour l'entrée, 1 $ pour l'entrée en cache et 12 $ pour la sortie par million de tokens au-dessus de 200 000 tokens, selon les tarifs listés par xAI. Le prix des tokens n'est qu'une partie de la facture. Les applications qui effectuent des appels d'outils répétés, des recherches web ou de l'exécution de code peuvent consommer plus de tokens et générer des coûts de service supplémentaires. Les développeurs doivent également tenir compte du stockage, de la surveillance et du coût de la révision humaine. Qu'est-ce qui change par rapport à Grok 4.6 ? Grok 4.7 conserve la fenêtre de contexte de 500 000 tokens et les tarifs standards de 2 $ pour l'entrée et 6 $ pour la sortie associés à Grok 4.6 pour les invites courtes, selon les rapports de lancement. xAI présente plutôt cette mise à jour comme une amélioration des capacités visant des tâches plus difficiles, une vérification plus robuste et des travaux de plus longue durée. Échelle du modèle : xAI décrit Grok 4.7 comme utilisant un modèle de base plus large que Grok 4.6. Entraînement : xAI affirme que le nouveau système a reçu un apprentissage par renforcement étendu sur des tâches plus complexes et plus longues. Auto-vérification : xAI affirme que Grok 4.7 vérifie ses sorties de manière plus fiable. Tarification : les tarifs API standards pour les invites courtes restent de 2 $ par million de tokens d'entrée et 6 $ par million de tokens de sortie, selon xAI. L'entreprise liste également une version plus rapide appelée Grok 4.7 Fast. La couverture indépendante de la sortie a rapporté que la variante plus rapide est disponible via Cursor et Grok Build à deux fois le tarif standard des tokens, bien qu'elle ne figurait pas comme un modèle d'API xAI public lors du lancement. Que doivent surveiller les développeurs ensuite ? Le prochain test viendra des déploiements réels. Les développeurs évalueront si le contexte plus long et l'auto-vérification du modèle réduisent le temps de débogage, si les réglages de raisonnement plus élevés justifient leur latence et si le système se comporte de manière cohérente à travers les différents outils de codage et services cloud. La réplication de benchmarks indépendants pourrait clarifier la comparaison entre Grok 4.7 et les systèmes rivaux. La documentation de l'API et les détails du déploiement régional détermineront qui peut accéder à chaque fonctionnalité. Les utilisateurs en entreprise examineront la confidentialité, la journalisation (logging), la rétention et les contrôles de permission avant un déploiement plus large. Les développeurs compareront les versions standard et Fast en termes de coût, de vitesse et de précision des tâches. Grok 4.7 arrive au moment où les entreprises d'IA se disputent les flux de travail des développeurs, qui impliquent bien plus que de la simple génération de texte. Le succès du produit dépendra de résultats logiciels mesurables, de coûts d'exploitation prévisibles et de la capacité à maintenir une supervision humaine dans la boucle lorsqu'un agent automatisé modifie du code ou traite des travaux professionnels sensibles.

Nic Reeve·14:00 22.09.2026

AI & Tech

Caroline du Sud : duel au second tour des primaires républicaines entre le candidat de Trump et une figure radicale du Freedom Caucus

Les républicains de Caroline du Sud se dirigent vers un second tour très disputé le 25 août qui déterminera qui portera les couleurs du parti pour le siège au Sénat américain autrefois occupé par le défunt Lindsey Graham. La sénatrice Darline Graham , sa sœur et titulaire nommée, est engagée dans une course serrée contre le représentant Ralph Norman , un conservateur chevronné de la Chambre des représentants, après qu'aucun des deux candidats n'ait obtenu la majorité lors de la primaire spéciale du 11 août. Le vainqueur du second tour affrontera la démocrate Annie Andrews , pédiatre et candidate investie par son parti, lors de l'élection générale de novembre, faisant du scrutin de mardi une étape républicaine décisive pour déterminer le successeur de Lindsey Graham pour un mandat complet de six ans. De la nomination à la première campagne : la tentative de Darline Graham pour conserver le siège Darline Graham a été nommée le 13 juillet 2026 par le gouverneur Henry McMaster pour pourvoir le siège vacant laissé par le décès soudain de son frère, prêtant serment au Sénat dès le lendemain. Avant d'occuper une fonction élective, elle a été commissaire de la South Carolina Commission for the Blind et a travaillé comme conseillère en réadaptation professionnelle, se forgeant un profil axé sur les services sociaux et la défense des personnes handicapées. Lors de la primaire spéciale républicaine du 11 août, qui comptait 10 candidats, Mme Graham est arrivée en tête mais n'a pas atteint le seuil des 50 % requis pour éviter un second tour, recueillant environ 32 à 33 % des voix. La loi de la Caroline du Sud impose un second tour lorsqu'aucun candidat ne dépasse la majorité absolue, renvoyant ainsi Mme Graham et M. Norman devant les électeurs pour un duel direct. La campagne de Mme Graham a mis l'accent sur la continuité avec l'héritage de son frère, sur la sécurité nationale, le soutien aux familles de militaires et sur son expérience dans l'administration au niveau de l'État. Ses alliés soutiennent que sa nomination et son ascension lors de la primaire démontrent le désir des électeurs pour une certaine stabilité au milieu d'une transition rapide et inattendue. Le défi de Ralph Norman depuis la droite Ralph Norman, qui représente le 5e district du Congrès de Caroline du Sud, est un membre de longue date du House Freedom Caucus et a bâti son identité politique autour de positions conservatrices radicales sur les dépenses, l'immigration et les questions sociétales. Lors de la primaire, M. Norman a terminé deuxième avec environ 24 à 25 % des voix, assurant sa place au second tour mais soulignant la nécessité d'élargir sa base dans une course à l'échelle de l'État. M. Norman a présenté le second tour comme un choix entre son expérience législative et le statut de sénatrice nouvellement nommée de Mme Graham. Dans des interviews, il a mis en avant ses années au Congrès et son expérience dans le milieu des affaires, arguant qu'il est mieux préparé à naviguer dans les débats nationaux complexes et à faire avancer les priorités conservatrices. Sur le terrain et lors des débats, M. Norman s'est présenté comme le champion le plus fiable d'un gouvernement limité et d'un contrôle plus strict des frontières, tout en critiquant ce qu'il qualifie de politique d'initiés autour de la nomination de Mme Graham et du soutien des dirigeants du parti. L'approbation de Trump devient un point de friction La course a attiré l'attention nationale lorsque l'ancien président Donald Trump a apporté son soutien à Darline Graham pour le second tour, s'alignant sur la titulaire nommée plutôt que sur le pilier du Freedom Caucus. Le soutien de M. Trump reflète une tendance observée lors des récents cycles électoraux, où ses approbations se sont parfois heurtées aux préférences des militants locaux et des factions de la droite dure. M. Norman a ouvertement remis en question ce soutien, le qualifiant d'« incompréhensible » et rappelant son historique de votes en faveur des priorités de M. Trump au Congrès. Il a soutenu que son bilan de vote et son alignement étroit avec les politiques de l'ère Trump devraient faire de lui le choix naturel pour le soutien de l'ancien président, suggérant que la décision a été influencée par des figures de l'establishment désireuses de maintenir la continuité au siège du Sénat. Pour Mme Graham, cette approbation constitue un signal fort pour les électeurs du GOP (Parti républicain) qui restent fidèles à M. Trump, l'aidant potentiellement à consolider son soutien parmi les électeurs de la primaire méfiants à l'égard des conflits internes au parti. Son équipe de campagne a traité ce soutien comme une validation de son engagement envers le même programme conservateur que celui soutenu par son frère au Sénat. Débats, piques et visions concurrentes Les derniers jours de la campagne ont été marqués par des échanges vifs entre les deux républicains lors de débats télévisés et de forums à travers l'État. Lors d'un récent débat au Sénat américain couvert par la radio publique de Caroline du Sud, Mme Graham et M. Norman ont « échangé des piques » tout en exposant des visions concurrentes pour l'avenir du parti. Mme Graham s'est appuyée sur son expérience dans la supervision des services aux citoyens aveugles et handicapés de Caroline du Sud, promettant de donner la priorité à l'accès aux soins de santé, aux services aux anciens combattants et à une gouvernance stable durant cette période d'incertitude suivant le décès de son frère. M. Norman, de son côté, a insisté sur son approche plus confrontationnelle concernant les dépenses fédérales et le pouvoir exécutif, se positionnant comme le candidat le mieux adapté pour contester ce qu'il perçoit comme un abus de pouvoir de Washington. Les deux candidats ont promis un soutien ferme aux nominations judiciaires conservatrices et à une défense nationale robuste, invoquant souvent le long bilan de Lindsey Graham en matière de politique étrangère et de questions militaires. Cependant, leur rhétorique diverge sur le style : Mme Graham se présente comme une main stable et une bâtisseuse de consensus, tandis que M. Norman attire les électeurs républicains qui préfèrent des contrastes idéologiques plus tranchés et un ton plus combatif à Washington. Mécanique du second tour et enjeux de participation Le vote anticipé pour le second tour est ouvert en Caroline du Sud dans les jours précédant le 25 août, avec des bureaux de vote accessibles de 8h30 à 17h00 dans les comtés de tout l'État. Le jour du scrutin, les bureaux de vote seront ouverts de 7h00 à 19h00 , offrant aux républicains une fenêtre de 12 heures pour trancher ce duel interne. Compte tenu de la participation relativement faible habituelle aux élections de second tour, les deux campagnes se concentrent fortement sur les opérations de terrain et la sensibilisation ciblée. L'équipe de Mme Graham s'appuie sur la notoriété de son nom à l'échelle de l'État et sur la résonance émotionnelle de l'héritage de son frère, tandis que la campagne de M. Norman cherche à mobiliser les réseaux de base conservateurs qui ont alimenté ses victoires à la Chambre. La candidate démocrate, Annie Andrews, a gardé un profil relativement bas pendant le second tour républicain, mais se tient prête à présenter le futur vainqueur républicain comme étant en décalage avec les électeurs modérés sur les questions de l'avortement, de la santé et de la réglementation des armes à feu. Son équipe de campagne voit une opportunité si le GOP sort du second tour divisé ou si le soutien de Trump devient un handicap lors de l'élection générale. Implications nationales d'un scrutin à l'échelle de l'État Au-delà de la Caroline du Sud, ce second tour est suivi comme un test de l'équilibre entre les initiés alignés sur Trump et les conservateurs radicaux de la Chambre au sein du Parti républicain. Une victoire de Mme Graham soulignerait l'influence continue des soutiens de M. Trump et des dirigeants du parti dans le façonnement des courses sénatoriales, en particulier lorsque des liens familiaux et le statut de titulaire entrent en jeu. Une victoire de M. Norman, en revanche, signalerait la force de l'aile du Freedom Caucus et pourrait encourager des défis similaires contre des républicains nommés ou soutenus par l'establishment dans d'autres États. Pour les électeurs de Caroline du Sud, le choix du 25 août déterminera non seulement qui remplacera Lindsey Graham, mais aussi quelle version du GOP ils souhaitent voir les représenter à Washington.

Nic Reeve·15:00 24.08.2026

AI & Tech

Publicité : Google resserre les règles sur l'IA, le « Smart Bidding » et les flux de données

Google déploie une série de changements de politique et de produits qui renforcent considérablement la manière dont l'intelligence artificielle est utilisée dans les enchères publicitaires et dont les flux de données alimentent la publicité sur le moteur de recherche, remodelant ainsi la stratégie des marques et des startups de la publicité technologique qui dépendent de l'écosystème de Google. Ces changements concernent le comportement des enchères intelligentes (Smart Bidding), les flux de données basés sur le consentement, la migration vers des types de campagnes axées sur l'IA et la mise à jour des conditions régissant la manière dont les données des annonceurs peuvent entraîner les modèles publicitaires génératifs de Google. Ensemble, ils signalent une phase plus contrôlée et axée sur la conformité pour l'IA dans les publicités sur le moteur de recherche et les annonces Shopping. Smart Bidding : du « sur-rendement » à l'application stricte des objectifs Au cœur de cette mutation se trouve une mise à jour fondamentale des systèmes de Smart Bidding de Google. Un nouveau mécanisme, souvent décrit par les analystes comme une optimisation des objectifs d'enchères , doit entrer en vigueur le 17 août 2026. Il modifie le comportement des stratégies de coût par acquisition (tCPA) et de retour sur investissement publicitaire (tROAS) dans les campagnes à budget limité. Historiquement, le Smart Bidding permettait parfois d'obtenir une efficacité supérieure aux objectifs affichés s'il trouvait des inventaires très performants dans le cadre du budget d'une campagne. Selon les nouvelles règles, les algorithmes sont conçus pour ramener la performance vers les objectifs déclarés par l'annonceur plutôt que de « surperformer » au-delà de ces seuils. Cela resserre effectivement la marge de manœuvre des enchères autour des objectifs déclarés, obligeant les annonceurs à calibrer leurs cibles plus soigneusement s'ils souhaitent capter un gain supplémentaire. Pour faciliter la transition, Google a introduit des outils d'ajustement des objectifs début juillet, permettant aux annonceurs de recalibrer leurs objectifs de CPA et de ROAS avant la date d'application. Les observateurs du secteur estiment que cela réduit la volatilité, mais supprime également une partie des gains cachés que de nombreux spécialistes du marketing à la performance attendaient du Smart Bidding. L'IA exploratoire face à des garde-fous plus stricts Parallèlement, Google a étendu une fonctionnalité appelée « Exploration du Smart Bidding ». Initialement lancée pour les campagnes sur le réseau de recherche, cette capacité concerne désormais les campagnes Performance Max qui n'utilisent pas de flux de produits, tandis que les placements basés sur les flux, comme Shopping, sont toujours en version bêta. L'exploration permet aux annonceurs de spécifier une fourchette de tolérance autour de leur ROAS cible. Dans cette bande, l'IA de Google peut enchérir sur des requêtes et des placements qui manquent de données historiques de conversion solides, sondant ainsi efficacement un trafic non prouvé qui pourrait néanmoins atteindre des seuils d'efficacité acceptables. Les spécialistes du marketing accèdent à un plus large éventail de clients potentiels, mais dans des paramètres économiques plus stricts dictés par leurs réglages de tolérance au ROAS. Considérés ensemble, l'exploration et l'optimisation des objectifs suggèrent une nouvelle philosophie : l'IA de Google est autorisée à expérimenter, mais seulement à l'intérieur de garde-fous financiers clairement définis. Le système s'éloigne de l'opportunisme illimité pour se diriger vers une adhésion stricte aux objectifs commerciaux explicitement déclarés. Le mode de consentement redéfinit l'approvisionnement en données pour les publicités IA Un autre changement critique affecte les flux de données qui alimentent les publicités et la mesure basées sur l'IA de Google. Depuis le 15 juin 2026, le mode de consentement v2 (Consent Mode v2) de Google est devenu le seul garant de la collecte de données publicitaires sur des propriétés clés telles que Google Ads et Analytics. Le paramètre ad_storage contrôle désormais exclusivement si les cookies publicitaires et les identifiants peuvent être définis et si les données liées à la publicité peuvent être transmises. Les mécanismes hérités — tels que le bouton Google Signals et certaines autres méthodes de partage de données au niveau du compte — ont été supprimés. En pratique, si un site web n'obtient pas le consentement de l'utilisateur pour le stockage publicitaire dans le cadre du nouveau cadre de consentement, les systèmes de Google limiteront drastiquement la collecte de données et la création d'audiences pour cette propriété. Cette reconfiguration a des implications majeures pour l'entraînement de l'IA. Sans signaux de consentement conformes, moins de points de données au niveau de l'utilisateur entrent dans les pipelines d'optimisation de Google, ce qui peut dégrader la précision du ciblage et de l'attribution, mais améliore l'alignement avec les réglementations sur la protection de la vie privée. Pour les annonceurs et les startups spécialisées dans l'IA, le message est clair : la configuration du consentement n'est plus un détail secondaire ; c'est désormais le facteur déterminant de la quantité de données que les algorithmes peuvent voir et utiliser pour apprendre. Campagnes AI Max et migrations forcées Côté structure de campagne, Google continue de consolider les formats hérités en types axés sur l'IA. AI Max for Search, successeur centré sur l'IA des configurations de recherche traditionnelles, est sorti de la phase bêta pour une large disponibilité début 2026. De nouveaux outils permettent aux annonceurs d'appliquer des directives textuelles qui façonnent la copie publicitaire générée automatiquement, tandis que le système sous-jacent utilise l'apprentissage automatique pour personnaliser les messages et le ciblage à grande échelle. Les annonces dynamiques du réseau de recherche (DSA), autrefois un pilier pour faire correspondre automatiquement les requêtes aux pages de destination pertinentes, sont destinées à une migration forcée vers AI Max for Search. La date limite initiale de septembre 2026 a été repoussée, la fin du service étant désormais prévue pour 2027. Néanmoins, Google a confirmé que la création de nouvelles DSA sera désactivée et que les campagnes existantes seront finalement transférées vers AI Max, ne préservant que des contrôles d'URL limités. De même, les assets automatisés et certaines configurations de ciblage large passeront automatiquement à AI Max à partir de septembre 2026. Pour les startups qui ont développé des outils autour des DSA et des structures de ciblage héritées, cette consolidation soulève des questions stratégiques : investir dans des intégrations plus poussées avec AI Max ou s'éloigner de l'automatisation des campagnes spécifique à Google. Mise à jour des conditions sur l'utilisation des données publicitaires pour l'entraînement de l'IA Sous-tendant tous ces changements de produits, les nouvelles conditions d'utilisation de Google Ads et des produits associés, entrées en vigueur le 1er juillet 2026, clarifient la manière dont les éléments de création fournis par les annonceurs — tels que le texte, les images et les flux de données produits — peuvent être utilisés pour entraîner les systèmes d'IA générative de Google pour la publicité. Bien que les détails varient selon la région et le produit, l'idée générale est que Google peut utiliser les contributions des annonceurs comme matériel d'entraînement pour améliorer les textes publicitaires générés par l'IA, les variantes d'images et les modèles d'optimisation de campagne, sous réserve de limites de consentement, de confidentialité et contractuelles. Pour les spécialistes du marketing, cela institutionnalise une réalité qui émerge depuis plusieurs années : les données créatives et les flux qu'ils téléchargent ne servent pas seulement aux campagnes actuelles ; ils aident également à affiner les algorithmes qui façonneront les performances futures pour eux-mêmes et pour les autres. Pression réglementaire sur l'IA, la recherche et l'utilisation des données Les régulateurs exercent également une pression sur la manière dont l'IA utilise le contenu et les données dans les expériences de recherche. Au Royaume-Uni, la Competition and Markets Authority (CMA) a émis une exigence de conduite historique en juin 2026, obligeant Google à donner aux éditeurs des contrôles spécifiques sur l'utilisation de leur contenu pour alimenter les résumés générés par l'IA. En vertu de cette ordonnance, Google doit offrir des options de retrait granulaires pour les « AI Overviews » (aperçus par IA) et autres fonctionnalités génératives, expliquer comment le contenu exploré (crawled) est utilisé, et fournir des mesures d'engagement ainsi qu'une attribution significative aux éditeurs dont le contenu apparaît dans les modules d'IA. L'entreprise dispose de neuf mois pour se conformer pleinement, bien que les régulateurs attendent des progrès visibles bien avant cette échéance. Pour l'ensemble de la chaîne d'approvisionnement des données IA, cela souligne un principe émergent : l'accès au contenu et aux données comportementales pour l'entraînement de l'IA et la synthèse n'est plus une évidence — il doit être négocié, divulgué et contrôlé. Ce changement affecte non seulement Google, mais aussi les courtiers en données tiers, les startups basées sur le scraping et les plateformes publicitaires qui s'appuient sur les résultats de recherche et l'inventaire publicitaire de Google comme source de signal principale. Implications pour les startups et les annonceurs Pour les startups opérant dans la recherche, le marketing analytique ou l'optimisation publicitaire par IA, le durcissement des règles de Google concernant les enchères IA et les données est une arme à double tranchant. D'une part, des garde-fous plus clairs autour des objectifs d'enchères et des flux de données basés sur le consentement réduisent l'incertitude et les risques réglementaires. D'autre part, un accès réduit aux données non contraintes, les migrations forcées vers des types de campagnes axées sur l'IA et l'adhésion plus stricte aux objectifs économiques déclarés rendent plus difficile l'extraction de « l'alpha » purement par l'arbitrage ou l'expérimentation agressive. Les annonceurs font désormais face à un paysage d'optimisation plus technique. Le succès dépend de plus en plus de : La calibration précise des objectifs de CPA et de ROAS pour équilibrer stabilité et croissance. La configuration du mode de consentement et des signaux ad_storage pour préserver un volume de données légalement conforme. L'adaptation à AI Max et aux autres structures de campagnes centrées sur l'IA sans perdre les contrôles essentiels. La compréhension de la manière dont leurs actifs créatifs et leurs flux de produits alimentent des modèles d'IA générative plus larges. À mesure que la pile publicitaire IA de Google arrive à maturité sous des règles plus strictes, les marques et les startups devront traiter la gouvernance des données et la stratégie d'enchères comme des disciplines fondamentales de leurs produits, et non comme des détails opérationnels périphériques.

Nic Reeve·15:00 23.08.2026