IA : les géants de la tech face au conseil municipal de New York sur les règles de sécurité

Nic Reeve14:00 05.10.20266 min de lecture

Des représentants de Google, Meta, OpenAI et Anthropic comparaîtront devant les législateurs de la ville de New York le 5 octobre 2026, lors d'une audition rare consacrée à la sécurité de l'intelligence artificielle, à la responsabilité et aux éventuelles réglementations locales. Cette procédure constitue le dernier développement dans la volonté de la ville d'interroger directement les géants de la technologie, marquant un moment clé dans l'actualité de l'IA.

Pourquoi le conseil municipal de New York organise-t-il cette audition ?

Le Conseil examine si les produits d'IA à évolution rapide créent des risques que les mesures de protection existantes ne parviennent pas à traiter de manière adéquate. L'audition du 5 octobre réunira les 51 membres du Conseil et sera menée par le "Committee of the Whole" (comité plénier), permettant aux législateurs d'interroger les entreprises lors d'une seule session publique.

Date de l'événement : 5 octobre 2026.
Lieu : Audition du conseil municipal de New York à New York.
Participants : Représentants d'Anthropic, OpenAI, Google et Meta.
Format : Témoignage public sous serment.
Portée : Risques liés à la sécurité de l'IA, protection des consommateurs et éventuelles mesures législatives de protection.

Selon le conseil municipal de New York, l'audition vise à examiner « les dangers potentiels de la technologie de l'IA » et à recueillir l'avis des entreprises sur les réponses législatives à apporter. La présidente du Conseil, Julie Menin, a annoncé la session le 28 septembre, après que des lettres préalables ont sollicité des témoignages auprès des principales entreprises d'IA.

Quelles entreprises technologiques ont accepté de témoigner ?

Anthropic, OpenAI, Google et Meta ont accepté d'envoyer des représentants. Meta s'est engagée à envoyer un cadre dirigeant avant que les trois autres entreprises ne confirment leur participation, après que le Conseil a averti que des assignations à comparaître pourraient être utilisées pour contraindre les témoignages.

Anthropic : L'entreprise derrière la famille de modèles d'IA Claude.
OpenAI : Le créateur de ChatGPT et d'autres systèmes d'IA générative.
Google : La société Alphabet qui développe Gemini et les services d'IA associés.
Meta : Le propriétaire de Facebook, Instagram et WhatsApp, qui développe ses propres produits d'IA.

Selon les annonces du Conseil rapportées le 28 septembre, OpenAI et Google ont accepté de comparaître le dimanche précédant l'audition. Un reportage publié par CBS News le 4 octobre a identifié des dirigeants des quatre entreprises comme étant les témoins prévus.

Pourquoi les assignations à comparaître sont-elles devenues un point de litige ?

Toutes les entreprises n'ont pas accepté les invitations en même temps. La présidente Menin a d'abord demandé la participation de hauts dirigeants, avant d'avertir que le Conseil pourrait utiliser son pouvoir d'assignation. OpenAI, Google et Anthropic ont ensuite accepté d'envoyer des représentants, tandis que Meta s'était déjà engagée à assister à la séance.

16 septembre : Le Conseil annonce son intention d'organiser une audition le 5 octobre et demande la participation des principaux leaders de l'IA.
25 septembre : Le Conseil dévoile des propositions de mesures législatives et réitère que leur présence est attendue.
28 septembre : Le Conseil déclare qu'OpenAI, Google, Anthropic et Meta témoigneront sous serment.
5 octobre : Date prévue pour l'audition publique.

Selon PoliticsNY, OpenAI, Google et Anthropic ont accepté de comparaître après que les législateurs ont menacé d'utiliser des assignations. Le conseil municipal de New York a annoncé séparément que l'entreprise d'IA d'Elon Musk, SpaceXAI, faisait l'objet d'une assignation après n'avoir pas confirmé sa participation.

Que demanderont les législateurs aux entreprises ?

Le Conseil n'a pas publié de liste complète de questions, mais ses annonces identifient plusieurs domaines de préoccupation. Les législateurs devraient se concentrer sur la manière dont les entreprises testent leurs modèles, répondent aux contenus malveillants et protègent les New-Yorkais contre les usages abusifs.

Comment les entreprises identifient et réduisent les défaillances de sécurité avant de lancer des systèmes d'IA.
Quelles protections existent pour les enfants et les autres utilisateurs vulnérables.
Comment les plateformes réagissent aux contenus d'automutilation, à la fraude, à l'usurpation d'identité et aux médias manipulés.
Si les entreprises font preuve de suffisamment de transparence concernant les limites de leurs modèles et les incidents survenus.
Ce que les gouvernements municipaux peuvent réglementer sans entrer en conflit avec les lois étatiques ou fédérales.

L'audition fait suite à des rapports faisant état de dizaines de milliers d'incidents de sécurité liés à l'IA cités dans la presse récente, bien que les documents publics rassemblés pour l'audition n'établissent pas de décompte officiel unique. L'objectif déclaré du Conseil est plus large : évaluer les risques et envisager des mesures de protection pour les résidents.

Quelle législation la ville de New York envisage-t-elle ?

Le Conseil a lié cette audition à un ensemble de propositions visant à réduire les dommages potentiels causés par les systèmes d'IA. Ces mesures restent des propositions et non des lois municipales en vigueur ; l'audition publique est destinée à éclairer le débat sur leur contenu et leur applicabilité.

Des règles portant sur la sécurité et la responsabilité des développeurs d'IA.
D'éventuelles obligations pour les entreprises de divulguer les risques ou leurs pratiques de test.
Des protections pour les consommateurs affectés par des décisions automatisées ou des contenus générés.
Des réponses locales face aux utilisations nuisibles ou trompeuses de l'IA générative.

Selon l'annonce du Conseil du 25 septembre, les projets de loi devaient être discutés lors de l'audition du "Committee of the Whole" le 5 octobre. Le Conseil s'est également demandé si les protections au niveau de l'État et du gouvernement fédéral étaient suffisantes pour les New-Yorkais.

Qu'est-ce qui rend cette audition inhabituelle ?

La procédure combine un groupe de législateurs exceptionnellement large avec des témoignages sous serment de plusieurs leaders de l'IA. Selon le Conseil, c'est la première fois que des entreprises majeures de l'IA sont appelées à fournir un témoignage public sous serment devant cet organe suite aux récents rapports d'incidents.

51 membres du Conseil : L'intégralité du conseil municipal devrait participer.
Quatre entreprises : Anthropic, OpenAI, Google et Meta ont confirmé leur présence.
Sous serment : Ce format confère au témoignage un cadre juridique plus formel qu'un briefing privé.
Focus local : Les questions porteront sur les risques subis par les habitants de la ville de New York.

Fortune a rapporté le 25 septembre que l'audition se déroulerait sous la forme d'un "Committee of the Whole", un format que le Conseil n'avait pas utilisé depuis 2022. Le même rapport indiquait que plusieurs PDG sollicités étaient peu susceptibles de comparaître personnellement, ce qui signifie que des représentants des entreprises pourraient répondre aux questions à leur place.

Que se passera-t-il après les témoignages ?

Le Conseil pourra utiliser ces témoignages pour réviser les projets de loi, demander des documents supplémentaires ou organiser d'autres auditions. L'audition elle-même ne crée pas automatiquement de nouvelles règles. Toute mesure devra encore suivre le processus législatif du Conseil et se conformer aux lois de rang supérieur.

Les législateurs pourront comparer les politiques de sécurité des entreprises et leurs engagements publics.
Le Conseil pourra exiger des documents ou des témoignages complémentaires.
La législation proposée pourrait être amendée après l'audition.
Les entreprises pourraient faire l'objet d'une surveillance continue concernant les incidents liés à l'IA à New York.
Le litige sur les assignations pourrait façonner les futures relations entre la mairie et les entreprises technologiques.

L'audition exerce également une pression sur les entreprises pour qu'elles expliquent leurs mesures de protection dans un forum public. Leurs réponses pourraient influencer la manière dont la ville de New York aborde la surveillance de l'IA, alors que des débats plus larges se poursuivent à Albany et à Washington.

Sources

Lire la suite →

Articles connexes

AI & Tech

IA : Microsoft visé par une plainte d'actionnaires sur les droits d'auteur et la transparence

AInews : le conseil d'administration de Microsoft visé par une action dérivée concernant le droit d'auteur et les déclarations sur l'IA Le 30 juin 2026, une plainte sociale dérivée déposée devant le tribunal du district ouest de Washington a accusé les administrateurs et dirigeants de Microsoft d'avoir induit les investisseurs en erreur sur la stratégie d'IA de l'entreprise et de l'avoir exposée à des risques liés au droit d'auteur et à la protection des données biométriques. Selon les analystes juridiques, cette affaire pourrait redéfinir la responsabilité des conseils d'administration pour les entreprises axées sur l'IA et est déjà suivie sous l'étiquette AInews. Que reproche-t-on à la direction de Microsoft dans cette nouvelle plainte ? La plainte dérivée, Anderson c. Nadella, allègue que les principaux dirigeants et administrateurs de Microsoft ont manqué à leurs obligations fiduciaires en approuvant des déclarations publiques qui présentaient de manière inexacte la façon dont leurs produits d'IA étaient entraînés et déployés, alors que l'entreprise aurait utilisé des œuvres protégées par le droit d'auteur et des données vocales sans licences légales. Les allégations principales portent sur la manière dont Microsoft a présenté sa feuille de route en matière d'intelligence artificielle aux investisseurs à partir du 1er janvier 2022. Le plaignant, l'actionnaire Eric Anderson, agit au nom de l'entreprise plutôt qu'en son nom propre, une structure visant à obtenir des dommages-intérêts pour Microsoft elle-même. La plainte nomme des personnalités de haut rang, notamment : Satya Nadella – Président-directeur général de Microsoft, responsable de la promotion de la vision « IA d'abord » de l'entreprise. Amy Hood – Directrice financière, qui a validé les déclarations financières et les projections liées à l'IA. Jared Spataro – Cadre dirigeant supervisant le marketing de Copilot et de l'IA au travail. Rajesh Jha – Vice-président exécutif chargé des expériences et des appareils, lié à l'intégration de Copilot dans les produits. Les autres administrateurs de Microsoft ayant approuvé les déclarations de procuration et les dépôts publics. Selon un résumé de Bloomberg Law du 1er juillet 2026, la plainte allègue que les dirigeants et le conseil d'administration de Microsoft « ont induit les actionnaires en erreur en déclarant que ses outils d'intelligence artificielle n'avaient pas été entraînés sur du matériel protégé par le droit d'auteur ». Un outil de suivi des politiques de Mishcon de Reya décrit l'affaire comme ciblant des « déclarations fausses et trompeuses sur sa stratégie d'IA, la famille de produits Copilot et les résultats financiers ». Pourquoi le droit d'auteur et l'utilisation des données sont-ils au cœur de la plainte ? Le procès affirme que les administrateurs de Microsoft ont soutenu une stratégie d'IA reposant sur l'entraînement de modèles à partir d'œuvres protégées par le droit d'auteur sans licence et sur la commercialisation d'empreintes vocales, tout en assurant aux investisseurs que l'entreprise respectait les règles mondiales en matière de propriété intellectuelle. La plainte cite plusieurs domaines d'utilisation illicite présumée des données : L'entraînement de logiciels d'IA, y compris Copilot et d'autres modèles génératifs, sur des livres et des textes protégés par le droit d'auteur sans accord de licence, tels que les œuvres incluses dans le jeu de données Books3 utilisé par OpenAI et des projets connexes. L'utilisation d'actualités et de contenus d'édition protégés par le droit d'auteur au sein de Copilot/Bing Chat, faisant l'objet de poursuites par des éditeurs, notamment une plainte de juin 2026 accusant Microsoft de « contrefaçon directe » par le biais de résultats génératifs. La collecte et la commercialisation d'empreintes vocales via certains services d'IA, d'une manière qui, selon la plainte, entre en conflit avec les lois nationales sur la confidentialité biométrique. Une analyse du 5 juillet 2026 sur The D&O Diary décrit la thèse de l'affaire comme suit : Microsoft « a affirmé à ses actionnaires et au marché qu'il ne violait pas les lois fédérales sur le droit d'auteur concernant le développement et l'entraînement de logiciels d'IA, de modèles génératifs et de produits », tout en faisant face à des procès d'auteurs et d'éditeurs alléguant une copie sans licence pour entraîner les modèles. Le suivi de Mishcon de Reya du 17 août réitère que la plainte accuse les dirigeants et administrateurs d'avoir poussé Microsoft à « violer les lois sur le droit d'auteur et la propriété intellectuelle » en entraînant ses modèles sur des œuvres et des empreintes vocales sans licence. Quelle chronologie des événements a conduit à cette action dérivée ? Le dépôt fait suite à deux années d'investissements dans l'IA, de lancements de produits et de litiges connexes, débutant en 2022 et s'intensifiant avec des plaintes d'auteurs, d'éditeurs et des litiges sur la confidentialité biométrique entre 2023 et mi-2026. Les dates et dépôts clés incluent : 1er janvier 2022 – présent : La plainte dérivée définit cette période comme le laps de temps pertinent durant lequel les déclarations de Microsoft sur sa stratégie d'IA et sa conformité étaient prétendument trompeuses. Septembre 2023 : Selon The D&O Diary, Microsoft et ses collaborateurs ont commencé à faire face à des poursuites de la part d'auteurs, d'éditeurs et d'autres détenteurs de droits d'auteur, alléguant que du contenu protégé avait été copié sans licence pour entraîner des modèles de langage de grande taille. 2023–2024 : Le litige de longue haleine Doe c. GitHub Copilot accuse GitHub, Microsoft et OpenAI d'avoir utilisé le code de développeurs sans autorisation pour construire Codex et Copilot, ajoutant au contexte de risque lié au droit d'auteur mentionné dans la nouvelle plainte. 5 février 2026 : La plainte dérivée note que Microsoft a été poursuivi pour des violations présumées de la loi sur la confidentialité des informations biométriques (BIPA) de l'Illinois, à commencer par l'affaire Basich c. Microsoft Corp., enregistrée sous le numéro 2:26-cv-00422 dans le district ouest de Washington. 12 juin 2026 : Une action collective en valeurs mobilières distincte a été déposée devant le même tribunal, accusant Microsoft et ses principaux dirigeants d'avoir présenté de manière inexacte les performances et l'adoption des produits d'IA Copilot. 30 juin 2026 : Eric Anderson a déposé sa plainte sociale dérivée, Anderson c. Nadella, n° 2:26-cv-02281, dans le district ouest de Washington. 1er juillet 2026 : Bloomberg Law a fait état de l'affaire, la qualifiant de procès où « les dirigeants et les administrateurs de Microsoft Corp. ont induit les actionnaires en erreur » au sujet d'outils d'IA entraînés sur du matériel protégé par le droit d'auteur. 13–17 août 2026 : Les notes d'information juridiques et politiques de CCH et Mishcon de Reya ont ajouté l'affaire aux suivis plus larges des risques liés au droit d'auteur dans l'IA et aux litiges actionnariaux. Comment cette action dérivée interagit-elle avec l'action collective en valeurs mobilières ? L'affaire dérivée se déroule parallèlement à une action collective en valeurs mobilières dans le même district, qui cible des déclarations inexactes similaires concernant Copilot et les investissements dans l'IA, mais les plaintes diffèrent quant à savoir qui a été lésé et qui est en droit d'obtenir réparation. Selon le cabinet Levi & Korsinsky, l'action collective de juin 2026 allègue que Microsoft et certains dirigeants « ont fait des déclarations matériellement fausses sur les initiatives d'IA de l'entreprise tout en dissimulant de graves problèmes opérationnels liés à leurs produits Copilot », notamment des questions de positionnement de marque, de cloisonnement des données et de capacité de calcul. L'action collective est intentée au nom des investisseurs qui ont acheté des actions Microsoft et ont prétendument subi des pertes lorsque des détails sur les dépenses d'infrastructure d'IA et les défis liés aux produits sont apparus. En revanche, la plainte dérivée d'Anderson cherche à obtenir un remboursement pour Microsoft elle-même en raison du préjudice que l'entreprise aurait subi en poursuivant une stratégie d'IA l'exposant à des procès pour droit d'auteur et à des risques réglementaires. Une analyse de CCH publiée le 13 août explique que l'action dérivée d'Anderson demande au tribunal de tenir les dirigeants et administrateurs responsables « pour manquement à leurs obligations fiduciaires, pour avoir poussé l'entreprise à s'engager dans une violation généralisée des lois sur le droit d'auteur et pour avoir approuvé des déclarations fausses et trompeuses ». Un commentaire sur Substack décrit la plainte dérivée comme transformant « le risque lié au droit d'auteur de l'IA en un risque pour le conseil d'administration et les valeurs mobilières » en reliant les décisions d'approvisionnement en données et de licences aux déclarations faites aux actionnaires. Quelles déclarations inexactes et omissions sont alléguées ? La plainte conteste les déclarations de procuration, les documents financiers et les remarques publiques de Microsoft qui, selon le plaignant, présentaient Copilot et d'autres outils d'IA comme étant entraînés légalement et pleinement conformes aux règles de droit d'auteur, tout en omettant l'exposition juridique en cours et les pratiques contestées en matière de données. Les fausses déclarations alléguées, tirées des résumés de la plainte, incluent : Des déclarations selon lesquelles Microsoft « respectait pleinement les lois mondiales sur le droit d'auteur » dans le développement et l'entraînement de ses logiciels d'IA, alors même que l'entreprise faisait face à des poursuites d'auteurs et d'éditeurs concernant des copies sans licence. Des informations qui mettaient l'accent sur le succès, l'adoption et les capacités de Copilot dans les produits Office, Windows et cloud, sans mettre en évidence les limites techniques telles que le cloisonnement des données et les contraintes de capacité de calcul décrites dans les documents de l'action collective en valeurs mobilières. Des descriptions du partenariat de Microsoft avec OpenAI et de l'utilisation de l'infrastructure Azure qui, selon la plainte, n'ont pas révélé la dépendance présumée envers des jeux de données comme Books3, contenant des livres protégés copiés à grande échelle. Des résultats financiers et des projections basés sur une adoption rapide de l'IA, présentés sans discussion détaillée des responsabilités potentielles liées aux poursuites BIPA sur les empreintes vocales et les données faciales. Une analyse Substack du 1er juillet résume la thèse selon laquelle la direction de Microsoft « a construit et promu une stratégie d'IA tout en induisant les actionnaires en erreur sur l'approvisionnement légal en données, les performances de Copilot et l'exposition juridique ». The D&O Diary note que la plainte dérivée critique spécifiquement les risques de « l'IA silencieuse », où les décisions concernant l'entraînement et l'infrastructure sont restées opaques pour les investisseurs tout en créant une exposition au droit d'auteur. Qui est affecté par l'affaire et que pourrait-il se passer ensuite ? La plainte cible directement les administrateurs et les hauts dirigeants de Microsoft, mais son issue pourrait façonner les attentes en matière de divulgation pour les stratégies d'IA dans l'ensemble du secteur technologique et influencer la manière dont les conseils d'administration supervisent l'approvisionnement en données et l'octroi de licences dans les projets d'apprentissage automatique. Les parties prenantes immédiates incluent : Le conseil d'administration et les dirigeants de Microsoft : Confrontés à des allégations de manquement à l'obligation fiduciaire, à d'éventuels dommages-intérêts et à des demandes de réformes de la gouvernance ou de changements dans la supervision des initiatives d'IA. Les actionnaires : Dans l'action dérivée, les actionnaires sont indirectement touchés car tout recouvrement irait à l'entreprise ; dans l'action collective en valeurs mobilières, les investisseurs pourraient recevoir une compensation s'ils prouvent que leurs pertes sont liées aux déclarations inexactes alléguées. Les auteurs, éditeurs et développeurs : Leurs litiges en matière de droit d'auteur et de licences fournissent la toile de fond factuelle qui, selon la plainte, aurait dû être divulguée de manière plus complète. D'autres entreprises axées sur l'IA : Les outils de suivi juridique pointent vers l'affaire Anderson c. Nadella comme faisant partie d'une « nouvelle vague » d'actions dérivées qui étendent les risques liés au droit d'auteur et aux données aux responsabilités au niveau du conseil d'administration, signalant une exposition similaire pour les entreprises utilisant de grands jeux de données pour entraîner leurs modèles. Les commentateurs juridiques s'attendent à plusieurs issues possibles : Le tribunal pourrait autoriser l'affaire dérivée à dépasser le stade des motions de rejet, ouvrant ainsi la phase de découverte sur la manière dont Microsoft a évalué les risques liés au droit d'auteur et à la biométrie dans ses programmes d'IA. Les défendeurs pourraient chercher à obtenir un rejet en arguant que leurs déclarations étaient exactes ou protégées en tant qu'affirmations prospectives, et que les conseils d'administration se sont appuyés sur des avis d'experts concernant l'octroi de licences. L'affaire pourrait se résoudre par un accord, impliquant potentiellement des changements dans les pratiques de gouvernance, des contrôles internes sur les données d'entraînement de l'IA et une divulgation renforcée des risques liés au droit d'auteur et à la vie privée. Quelle que soit l'issue, la combinaison d'actions dérivées et collectives dans le district ouest de Washington marque une nouvelle phase dans la manière dont les tribunaux et les investisseurs examinent les modèles commerciaux liés à l'IA. Comme le note un observateur, ces poursuites traitent les questions de droit d'auteur et de confidentialité dans l'IA non seulement comme des problèmes techniques et réglementaires, mais comme des questions de droit des valeurs mobilières et de responsabilité du conseil d'administration en matière de stratégie technologique.

Nic Reeve·14:00 10.09.2026

AI & Tech

Au-delà du lancement de modèles : les indicateurs qui révèlent la vitesse de progression de l'IA de pointe

Selon des recherches et des reportages récents, les laboratoires de pointe évoluent trop rapidement pour qu'un score unique ou une date de sortie puisse expliquer le rythme du développement de l'IA. L'image la plus fidèle combine la cadence de sortie, les gains de référence (benchmarks), la durée des tâches, les ressources informatiques, la fiabilité et les résultats de sécurité. Ce problème de mesure plus large est désormais au cœur de l' actualité de l'IA , alors que les entreprises passent de lancements occasionnels de modèles à une amélioration continue. Qu'est-il arrivé au cycle de sortie ? Les lancements de modèles sont devenus plus fréquents en 2026, mais les seules annonces de produits ne permettent pas de montrer à quel point un système s'est amélioré. Une sortie peut représenter un nouveau modèle, une variante optimisée, une mise à jour de sécurité ou une version à moindre coût. Compter les sorties reste utile, mais seulement si cela est couplé à des tests et des dates cohérents. Selon The Register , publié le 23 septembre 2026, la cadence de sortie d'Anthropic est passée de lancements approximativement trimestriels en 2025 à des sorties presque mensuelles en 2026. Selon le rapport de Tech Insider du 5 septembre 2026, quatre laboratoires de pointe ont commercialisé des modèles majeurs sur une période de 72 heures au début du mois de septembre. Selon ce même rapport, les mises à jour majeures qui arrivaient une ou deux fois par trimestre au début de 2026 apparaissent de plus en plus fréquemment, chaque mois ou plus rapidement. Un cycle plus rapide peut signaler une capacité d'ingénierie et de déploiement accrue. Cela peut également refléter des mises à jour mineures, un conditionnement de produit ou des versions parallèles plutôt qu'un bond comparable en termes de capacité générale. Les chercheurs ont donc besoin de registres de sortie qui enregistrent la taille du modèle, l'utilisation prévue, la date d'évaluation et si le système est une version préliminaire (preview) ou une version de production. Quels benchmarks montrent un progrès réel ? Les benchmarks de capacité restent le moyen le plus clair de comparer les systèmes, pourtant les tests perdent de leur valeur lorsque les modèles de pointe atteignent un plafond. Un système de mesure utile suit à la fois le score et la marge de progression restante. Il devrait également inclure des tâches inhabituelles, car la performance sur un benchmark ne garantit pas une performance fiable ailleurs. Selon l'AI Index 2026 de l'Université de Stanford, publié en septembre 2026, presque tous les principaux développeurs de modèles de pointe rapportent des résultats de capacité, tandis que les rapports sur les benchmarks d'IA responsable restent incohérents. Selon les chiffres de l'AI Index de Stanford cités dans des rapports récents, la performance sur SWE-bench Verified est passée d'environ 60 % à près de 100 % en un an. Selon le rapport de Stanford, les incidents d'IA documentés ont atteint 362, contre 233 en 2024. Le chiffre précédent constitue un contexte historique et non un décompte pour l'année en cours. La saturation des benchmarks crée un problème pratique. Un test conçu pour rester difficile pendant des années peut devenir facile en quelques mois. La prochaine génération d'évaluations doit mesurer la recherche ouverte, le travail logiciel, le raisonnement scientifique, l'exactitude factuelle et la résistance à la manipulation dans des conditions qui ressemblent à une utilisation réelle. Pourquoi la durée des tâches devient-elle une mesure clé ? La durée des tâches mesure le temps pendant lequel un modèle peut travailler avec succès avant que les erreurs ne deviennent probables. Au lieu de demander si un modèle répond correctement à une question, les évaluateurs testent s'il peut accomplir un travail multi-étapes qu'un humain qualifié effectuerait normalement sur une période définie. Cette mesure capture l'autonomie de manière plus directe qu'un simple score de précision. Le suivi récent des modèles de pointe a utilisé des évaluations d'horizon de tâche (task-horizon), dans lesquelles les chercheurs estiment le temps humain requis pour les tâches et identifient le point où un modèle réussit environ la moitié du temps. Cette approche peut distinguer un système qui résout des problèmes de codage de cinq minutes d'un système capable de gérer une mission d'ingénierie de plusieurs heures. Selon l'analyse de Big Matrix du 11 septembre 2026, METR a évalué plusieurs sorties de pointe au cours de l'année 2026, notamment Claude Opus 4.6, GPT-5.4 et Gemini 3.1 Pro, sur une période d'environ 100 jours. Selon la même analyse, les tests d'horizon de tâche mesurent la durée de travail équivalente à celle d'un humain avant que le taux de réussite du modèle ne tombe à 50 %. La mesure est encore incomplète. Les tâches longues peuvent masquer des échecs, et un modèle peut produire un travail convaincant mais incorrect. Les évaluateurs doivent enregistrer le temps de correction, l'utilisation d'outils, la supervision et le coût des tentatives répétées. Comment la capacité de calcul révèle-t-elle le rythme des laboratoires ? Le calcul d'entraînement offre une mesure physique des ressources qu'un laboratoire investit dans ses nouveaux systèmes. Les chercheurs peuvent comparer les heures de processeur, les générations d'accélérateurs, la consommation d'énergie, le volume de données et la capacité d'inférence. Le calcul n'est pas égal à la capacité, mais il aide à expliquer pourquoi le développement peut s'accélérer même lorsque les sorties publiques semblent similaires. Les chiffres d'entraînement sont souvent privés et les laboratoires les divulguent de manière inégale. Cela rend les comparaisons publiques difficiles. Des analystes indépendants peuvent toujours suivre la construction de centres de données, l'achat de puces, les contrats cloud et la capacité de service des modèles, mais ces indicateurs nécessitent une attribution prudente car une installation peut supporter plusieurs produits. Selon l'AI Index 2026 de Stanford, plus de 90 % des modèles de pointe notables ont été développés par l'industrie, montrant que les principales données de mesure proviennent de plus en plus des entreprises plutôt que des universités. Selon les conclusions sur les benchmarks du rapport, les gains de capacité arrivent plus vite que les systèmes d'évaluation destinés à les mesurer. Pour cette raison, un indicateur de rythme crédible devrait coupler le calcul divulgué avec l'amélioration résultante par unité de calcul. Un laboratoire qui double son matériel mais gagne peu sur des tests difficiles et indépendants peut faire preuve d'une mise à l'échelle inefficace. Un laboratoire qui obtient des gains plus importants avec des ressources similaires a peut-être amélioré ses données, ses algorithmes ou ses méthodes d'entraînement. Qu'apportent la sécurité et la fiabilité ? Les résultats de sécurité montrent si la croissance des capacités s'accompagne d'un contrôle. Un modèle qui obtient un meilleur score en codage ou en raisonnement mais qui devient moins véridique, plus exploitable ou plus difficile à surveiller n'a pas apporté une amélioration absolue. Les évaluations de sécurité devraient donc être publiées aux côtés des résultats de capacité, et non être traitées comme un exercice de relations publiques distinct. L'AI Index 2026 de Stanford a révélé un écart entre la diffusion généralisée des benchmarks de capacité et le reporting moins cohérent des tests d'IA responsable. Cet écart limite les comparaisons entre les laboratoires. Les tableaux de bord publics devraient inclure les taux d'hallucination, les tests de cyber-abus, les fuites de confidentialité, les mesures de biais, la précision du refus et la performance sous sollicitation adverse (adversarial prompting). Selon le rapport de Stanford de septembre 2026, le reporting des benchmarks d'IA responsable reste lacunaire parmi les principaux développeurs. Selon le décompte des incidents de Stanford, 362 incidents documentés ont été enregistrés dans le dernier ensemble de données du rapport, contre 233 en 2024. Le décompte des incidents n'est pas une mesure directe de la capacité du modèle. Il montre toutefois l'ampleur des dommages observés et enregistrés autour des systèmes déployés. Les chercheurs doivent séparer les défaillances du modèle des défaillances causées par le déploiement, le comportement de l'utilisateur ou la faiblesse des garde-fous. Que devrait contenir un tableau de bord de pointe pratique ? Un tableau de bord utile devrait suivre les mêmes systèmes au fil du temps et publier suffisamment de détails pour permettre une vérification indépendante. La fréquence de sortie fournit la vitesse. Les benchmarks fournissent la performance des tâches. Les horizons de tâches fournissent l'autonomie. Le calcul fournit l'investissement. Les tests de sécurité fournissent le contrôle. Le coût et la fiabilité montrent si les résultats du laboratoire survivent au contact des utilisateurs réels. Intervalle de sortie : nombre de jours entre des versions de modèles comparables, avec une distinction claire entre les versions préliminaires et les systèmes de production. Gain de capacité : évolution sur des tests difficiles et résistants à la contamination, rapportée avec la date d'évaluation et la version du test. Horizon de tâche : la mission la plus longue équivalente à un travail humain, accomplie avec un taux de réussite spécifié. Efficacité : gain de capacité par unité de calcul d'entraînement et par dollar d'inférence. Fiabilité : taux d'erreur, facticité, échecs d'outils et quantité de correction humaine requise. Sécurité : tests de capacités nuisibles, résultats de confidentialité, évaluations cyber, précision du refus et incidents documentés. Le développement de pointe n'est pas une course unique mesurée par un seul chronomètre. Les comparaisons les plus défendables combineront les registres de sortie publics avec des évaluations indépendantes et des divulgations de laboratoires clairement datées. Cette approche peut montrer si un nouveau système est véritablement plus capable, simplement plus disponible ou simplement mieux conditionné pour le déploiement.

Nic Reeve·14:00 24.09.2026

AI & Tech

Bullish se lance dans le financement de matériel pour l'IA avec une facilité de 100 millions de dollars

AInews : Bullish se lance dans le prêt de matériel IA avec une facilité de 100 millions de dollars USD.AI Le 28 août 2026, la plateforme d'échange de cryptomonnaies Bullish a annoncé une facilité de dette en stablecoins de 100 millions de dollars pour USD.AI, marquant son expansion officielle du trading d'actifs numériques vers le financement d'infrastructures d'IA et plaçant AInews au cœur des prêts garantis par des GPU pour le calcul haute performance. Qu'a exactement convenu Bullish avec USD.AI ? Bullish a engagé une facilité de liquidité de 100 millions de dollars en stablecoins, qu'USD.AI utilisera pour générer des prêts sans recours garantis par du matériel GPU et d'autres équipements de calcul IA. Le capital provient du bilan et de la liquidité de la plateforme Bullish, canalisant ainsi des fonds on-chain directement vers l'infrastructure physique de l'IA. Selon l'annonce de Bullish du 28 août 2026, l'entreprise fournira jusqu'à 100 millions de dollars en stablecoins à USD.AI, un protocole on-chain qui finance des centres de données IA en accordant des prêts adossés à des unités de traitement graphique (GPU) et serveurs associés. USD.AI décrit ses prêts comme étant « sans recours » et « adossés à des actifs », ce qui signifie que les emprunteurs engagent le matériel lui-même, et non leurs actifs d'entreprise plus larges, en guise de garantie pour la dette. Taille de la facilité : 100 millions de dollars en stablecoins, selon Bullish et USD.AI au 28 août 2026. Garantie : GPU NVIDIA et autres matériels de calcul haute performance utilisés pour les charges de travail IA, selon la mise à jour de CoinMarketCap du 28 août 2026. Structure du prêt : Prêts on-chain sans recours où le matériel garantit la dette, selon USD.AI et The Defiant. Objectif : Financer le « développement de l'IA » en fournissant du capital directement aux opérateurs d'infrastructures IA, selon les publications sur les réseaux sociaux d'USD.AI le 28 août 2026. Bullish a présenté ce mouvement comme une entrée stratégique dans le « financement des infrastructures d'IA du marché intermédiaire », associant son expertise des marchés de capitaux crypto à la technologie de prêt on-chain d'USD.AI. L'accord connecte la liquidité des stablecoins à la demande des centres de données IA qui peinent à financer rapidement des clusters GPU coûteux via les canaux bancaires traditionnels. Comment fonctionne en pratique le modèle de prêt garanti par GPU d'USD.AI ? USD.AI émet des prêts où les opérateurs de centres de données IA engagent du matériel GPU en garantie. En cas de défaut de l'emprunteur, le protocole d'USD.AI peut liquider l'équipement ou les flux de trésorerie associés. La facilité de Bullish augmente la capacité du protocole à financer de nouveaux prêts et à développer son bilan on-chain. USD.AI se positionne comme une « plateforme on-chain pour le financement des infrastructures IA » qui verrouille du matériel informatique réel dans des structures de prêt natives de la crypto. Selon USD.AI et CoinMarketCap, le protocole se concentre sur les rigs GPU NVIDIA qui alimentent l'entraînement et l'inférence de grands modèles, traitant la valeur de revente du matériel et les revenus générés comme le fondement économique des prêts. Origination des prêts : USD.AI émet des prêts sans recours directement aux opérateurs d'infrastructures IA, selon le rapport d'Unite.AI du 28 août 2026. Gestion des garanties : Les serveurs GPU et actifs informatiques associés sont engagés on-chain et peuvent être liquidés si l'emprunteur fait défaut, selon The Defiant. Échelle du protocole : Cointelegraph a rapporté le 28 août 2026 qu'USD.AI avait « plus de 225 millions de dollars » de valeur totale verrouillée (TVL) au moment de la mise en place de la facilité Bullish. Écosystème de jetons : USD.AI émet le sUSDai, un jeton dollar jalonné (staked) rémunéré, lié aux revenus du protocole, selon Unite.AI et Stock Titan. Cette structure vise à accélérer la formation de capital pour les déploiements de matériel IA en réduisant la dépendance aux cycles de souscription longs et aux prêts garantis classiques qui exigent souvent des garanties d'entreprise plus larges. Au lieu de cela, USD.AI utilise des contrats intelligents programmables et la liquidité crypto pour accélérer le financement, tandis que Bullish fournit le pool de capital en stablecoins. Pourquoi Bullish passe-t-il du pur trading crypto au prêt d'infrastructures IA ? Bullish soutient que la demande en capacité de calcul IA dépasse les canaux de financement traditionnels. En liant directement la liquidité des stablecoins aux actifs GPU, l'entreprise espère capter la croissance des dépenses d'investissement dans l'IA tout en tirant parti de ses capacités d'échange, de son bilan et de ses activités de tenue de marché. L'annonce du 28 août 2026 décrit la facilité comme l'« entrée stratégique » de Bullish dans le financement des infrastructures IA du marché intermédiaire, une nouvelle ligne de métier au-delà de ses opérations d'échange principales. La couverture de l'accord par MarketBeat note que l'entreprise cherche à s'exposer à la demande croissante pour la capacité GPU tout en acceptant un risque de prêt lié au matériel sous-jacent et à la performance des emprunteurs. Justification stratégique : Connecter les marchés de capitaux d'actifs numériques à la demande physique de calcul IA, selon le résumé du communiqué de presse de Bullish par Stock Titan. Profil de risque : Prêts garantis par des prix de matériel volatils et des flux de trésorerie des opérateurs d'IA, comme souligné par l'analyse de MarketBeat du 30 août 2026. Réaction du marché : Les actions de Bullish sur le NYSE sous le ticker BLSH ont attiré l'attention des investisseurs après l'annonce, selon la page d'actualités de MarketBeat du 30 août 2026. Des analystes crypto cités par Cointelegraph et les réseaux sociaux de CoinDesk ont décrit l'accord comme un pas vers le lien entre « les marchés de capitaux crypto et le calcul IA physique », utilisant les GPU comme garantie de prêt et transformant un modèle de prêt auparavant de niche en un produit plus institutionnel. Quel rôle joue le jeton sUSDai dans l'accord Bullish–USD.AI ? Le sUSDai est le jeton dollar jalonné d'USD.AI qui représente des droits sur les revenus du protocole et les actifs sous-jacents. Bullish prévoit de lister le sUSDai sur plusieurs paires de trading et de gérer un programme de tenue de marché visant à améliorer la liquidité, la découverte des prix et l'efficacité du financement de la dette garantie par GPU. Unite.AI a rapporté que Bullish « intégrera le sUSDai » sur sa plateforme, proposant plusieurs paires de trading soutenues par un bureau de tenue de marché interne. La lecture du communiqué de presse par Stock Titan ajoute que cette initiative est conçue pour améliorer la « liquidité secondaire et la découverte des prix pour la dette adossée aux GPU », transformant efficacement des tranches de prêts d'infrastructure en instruments on-chain négociables. Type de jeton : Dollar jalonné rémunéré représentant l'exposition au protocole, selon l'article d'Unite.AI du 28 août 2026. Cotation sur plateforme : Cotation prévue sur Bullish avec plusieurs paires de trading et un programme de tenue de marché dédié, selon Stock Titan et CoinMarketCap. Recyclage du capital : À mesure que le sUSDai gagne en liquidité, USD.AI peut émettre davantage de prêts et renouveler l'exposition existante, selon Unite.AI. The Defiant a rapporté qu'USD.AI a déclaré que Bullish « créerait 100 millions de dollars de sUSDai » dans le cadre de la facilité, utilisant ce pool de capital comme carburant pour un pipeline plus large de prêts garantis par GPU liés au développement continu de l'IA. Cette structure fait de Bullish à la fois un prêteur et un détenteur majeur de jetons dans l'écosystème d'USD.AI. Comment cet accord s'appuie-t-il sur l'investissement initial de Bullish dans USD.AI ? Bullish a investi pour la première fois 4 millions de dollars dans USD.AI en septembre 2025, le qualifiant de premier pari en capital-risque post-IPO. La nouvelle facilité de 100 millions de dollars étend cette relation, passant d'une participation minoritaire au statut de partenaire financier principal pour les opérations de prêt d'USD.AI. Selon un communiqué de presse de Bullish daté du 22 septembre 2025, la plateforme a engagé 4 millions de dollars dans USD.AI en tant que premier investissement après son introduction à la Bourse de New York sous le ticker BLSH. Bullish a décrit USD.AI à l'époque comme « la plateforme on-chain pour le financement des infrastructures IA », signalant un intérêt pour l'intersection des actifs numériques et du matériel IA avant que la facilité de dette plus importante ne soit conçue. Engagement initial en capital : Investissement de 4 millions de dollars annoncé le 22 septembre 2025, selon Bullish et les posts sur les réseaux sociaux d'USD.AI. Intention stratégique en 2025 : Explorer le financement des infrastructures IA via des outils on-chain, selon la déclaration de Bullish. Escalade en 2026 : Une augmentation par vingt-cinq de l'engagement en capital via la facilité de 100 millions de dollars en stablecoins, selon le communiqué du 28 août 2026. La continuité entre la prise de participation de 2025 et la facilité de dette de 2026 montre une décision calculée plutôt qu'un pivot soudain. Bullish a passé environ un an à approfondir ses liens avec l'équipe et la technologie d'USD.AI avant d'engager une facilité de prêt à neuf chiffres. Qui bénéficie de cette expansion du prêt de matériel IA ? Les principaux bénéficiaires sont les opérateurs d'infrastructures IA ayant besoin de capital pour leurs clusters GPU, ainsi que les investisseurs cherchant une exposition à l'économie du matériel IA via des instruments on-chain. Bullish vise à capter des frais de trading et de prêt, tandis qu'USD.AI développe son portefeuille de prêts et ses revenus de protocole. Le modèle d'USD.AI cible les opérateurs de centres de données, les fournisseurs d'hébergement de modèles et les plateformes de cloud GPU spécialisées confrontés à des coûts matériels initiaux élevés. Selon CoinMarketCap et Unite.AI, les prêts du protocole peuvent financer directement des « actifs de calcul haute performance », réduisant la dépendance au crédit d'entreprise général. La facilité Bullish augmente le pool de capital disponible pour ce segment. Emprunteurs : Entreprises de calcul IA de taille intermédiaire et fournisseurs d'infrastructure, selon la description de la nouvelle ligne de métier par Bullish. Détenteurs de jetons : Les détenteurs de sUSDai bénéficient de l'exposition aux rendements des prêts garantis par GPU et aux frais de protocole, selon Unite.AI. Utilisateurs de la plateforme : Les clients de Bullish obtiennent de nouvelles paires de trading et une classe d'actifs liée à la performance du matériel IA, selon Stock Titan. La couverture de Cointelegraph et CoinDesk souligne que l'accord crée un pont entre les fournisseurs de liquidité crypto et le développement réel de l'IA, offrant potentiellement aux petites entreprises d'IA plus d'options que les prêts bancaires conventionnels ou la dilution en capital. Quels sont les risques et les questions en suspens entourant ce nouveau modèle de prêt ? La structure introduit une exposition aux variations de prix du matériel, aux défauts des emprunteurs et aux vulnérabilités des contrats intelligents. MarketBeat note que si les investisseurs ont accueilli favorablement l'entrée de Bullish dans le financement de l'IA, l'entreprise est désormais directement liée à l'économie et aux risques opérationnels des infrastructures lourdes en GPU. Les prix du matériel IA peuvent fluctuer brusquement à mesure que de nouvelles générations de GPU arrivent ou que les cycles de demande changent. Le commentaire de CoinMarketCap sur la facilité avertit que l'utilisation de GPU NVIDIA comme garantie lie les prêts à la fois aux cycles de renouvellement technologique et à la liquidité du marché secondaire pour l'équipement d'occasion. Si les valeurs de revente chutent plus rapidement que prévu, le recouvrement sur les prêts en défaut pourrait être inférieur. Risque de crédit : Les opérateurs d'IA pourraient rencontrer des difficultés si la demande des clients ou l'économie des modèles s'affaiblissent, affectant leur capacité à assurer le service de la dette, selon la note de MarketBeat du 30 août 2026. Risque de marché : La valeur de la garantie dépend de la demande continue pour les GPU et le calcul IA, selon CoinMarketCap. Risque de protocole : Les structures on-chain reposent sur des contrats intelligents et des données d'oracle, qui pourraient échouer ou être attaqués, une préoccupation soulevée dans la couverture axée sur la DeFi par The Defiant. Dans le même temps, la couverture de cryptorank.io et Cointelegraph présente la facilité comme un test pour savoir si le prêt natif à la crypto peut soutenir en toute sécurité les dépenses d'investissement réelles dans des secteurs à forte croissance. Les trimestres à venir révéleront si le prêt en stablecoins adossé à du matériel dépassera cet engagement initial de 100 millions de dollars. Quelle est la suite pour Bullish, USD.AI et le financement des infrastructures IA ? Les deux entreprises prévoient des recherches conjointes sur les modèles de formation de capital pour le matériel IA, une intégration plus large du sUSDai sur Bullish et une mise à l'échelle supplémentaire des prêts garantis par GPU. Les prochaines étapes pourraient inclure l'augmentation de la taille de la facilité, l'intégration de davantage d'emprunteurs et l'affinement de la gestion des risques à mesure que le protocole arrive à maturité. Le résumé du communiqué de presse de Bullish par Stock Titan indique que les partenaires ont l'intention d'« étendre la recherche conjointe sur les modèles de formation de capital pour les dépenses d'investissement IA », liant les outils de liquidité on-chain aux besoins de financement de l'infrastructure d'apprentissage automatique. The Defiant rapporte qu'USD.AI utilise déjà le sUSDai nouvellement émis pour financer davantage de prêts GPU, suggérant un pipeline actif d'accords. Objectif à court terme : Déployer la totalité de la facilité de 100 millions de dollars dans des prêts garantis par GPU, selon Unite.AI. Déploiement du jeton : Lister les paires sUSDai et construire un marché secondaire liquide pour la dette liée au matériel IA, selon Stock Titan et CoinMarketCap. Expansion potentielle : Les commentaires de MarketBeat et Cointelegraph suggèrent que, si le modèle fonctionne, Bullish pourrait augmenter la facilité ou la reproduire avec d'autres protocoles d'infrastructure IA. La manière dont les régulateurs et les prêteurs traditionnels réagiront au prêt de matériel IA financé par la crypto reste incertaine. Pour l'instant, Bullish et USD.AI se positionnent comme des précurseurs à l'intersection des marchés d'actifs numériques, de la dette tokenisée et des machines physiques pilotant les systèmes d'IA contemporains.

Nic Reeve·14:00 31.08.2026