Neodra Dynamics a présenté au salon industriel de Shanghai le Neo One, un robot hydraulique de 4 mètres de haut et 1,2 tonnes, capable de soulever 300 kg par bras (500 kg avec les deux) et de fonctionner dans des environnements extrêmes.
Un robot conçu pour des missions dangereuses, sales ou extrêmes que les humains ne peuvent pas effectuer : environnements nucléaires, fonds marins (résiste à 10000 m de profondeur), températures de -50° à +250°, résistance aux radiations. Pour l'instant sans jambes fonctionnelles (juste un bras ou posé au sol), il vise les ports, mines, plateformes pétrolières. La précision annoncée est de l'ordre du dixième de millimètre malgré la taille.
D’après la vidéo
⚙ Comment ça marche
Le robot utilise des actionneurs hydrauliques (chaque actionneur pèse 1 kg et peut bouger une tonne) plutôt que des systèmes électriques. Pour l'instant piloté avec des fils, sans IA embarquée mentionnée. La taille gigantesque permettrait paradoxalement une meilleure précision qu'un petit robot selon le fabricant.
⚠ Ses réserves
L'auteur reste prudent sur les chiffres annoncés par le fabricant (capacité de charge, précision, résistance) tant qu'il n'a pas vu le robot fonctionner en conditions réelles. Le site du fabricant n'est même pas sécurisé.
« Le Néo 1, il est fait pour être dans le monde industriel et il est réel les amis, il existe vraiment. On peut voir des petites vidéos que je vais vous jouer ici sans le son »
L'université Jiaotong de Shanghai et l'institut Max Planck ont développé un réseau neuronal qui conçoit des alliages à partir de ferraille recyclée, 15% plus solides ou 73% plus étirables que les alliages traditionnels nécessitant du métal neuf.
Une avancée concrète pour l'économie circulaire des matériaux : au lieu de réinjecter du métal pur pour compenser les impuretés de la ferraille recyclée, l'IA conçoit des alliages qui exploitent ces impuretés pour renforcer le matériau. Cela pourrait révolutionner l'industrie de la fonte (70 millions de tonnes de pièces moulées par an) en rendant le recyclage plus performant que le neuf.
D’après la vidéo
⚙ Comment ça marche
Deux réseaux neuronaux travaillent ensemble : le premier prédit la solidité et l'étirement d'un alliage à partir de la composition de ferraille, le second trie les meilleures possibilités. Le système s'améliore récursivement : chaque test coulé devient une nouvelle donnée d'entraînement. Parti de 2400 jeux de données et 330 exemples, le modèle a généré 17 recettes dont 14 ont été validées en production.
✅ À faire
Les chercheurs travaillent maintenant sur des agents IA capables de piloter des laboratoires automatisés pour faire des tests en continu, produire des données et améliorer les modèles de façon autonome.
« Résultat 15 % de solidité en plus à étirement égal. Quand on prend le métal à la fin, il est plus costaud les les mélanges si vous voulez qu'on prédit les IA sont 15 % plus solides »
Elon Musk a dépensé 445 millions de dollars pour soutenir les républicains au Texas, mais les démocrates ont remporté le Sénat (James Talarico élu) et le poste de gouverneur (Gina Inojosa), menaçant ses projets de data centers.
Un changement politique majeur pour l'IA aux États-Unis : la nouvelle gouverneure annonce un moratoire sur les data centers au Texas, où se concentre un quart de la capacité américaine et tous les projets de Musk (Tesla, SpaceX, data centers). Cela pourrait ralentir massivement le déploiement de l'infrastructure IA aux USA et a déjà provoqué un effondrement boursier des valeurs technologiques (Tesla, Nvidia, AMD, Broadcom).
D’après la vidéo
⚙ Comment ça marche
Elon Musk a centralisé tous ses projets au Texas depuis 2020 (Tesla à Austin, Starbase SpaceX, data centers). La nouvelle gouverneure Gina Inojosa prévoit d'imposer des conditions strictes et évoque un moratoire sur les nouveaux data centers à partir du 19 janvier.
💬 Ce qu’en pense l’auteur
L'auteur souligne l'ironie de la situation : Musk répond à sa défaite électorale en évoquant des data centers dans l'espace. Il questionne si cette régulation va calmer ou au contraire accélérer les projets spatiaux de Musk.
« Elon Musk voulait surtout pas que les démocrates l'emportent au Texas. Il a dépensé, nous dit-ons, 445 millions de dollars pour les républicains. Résultat au Sénat, le sénateur Texan, c'est maintenant James Talarico »
OpenAI annonce avoir produit une démonstration mathématique de la théorie de Yang-Mills (interaction forte en physique quantique) sur 1147 pages, mais refuse de tout publier immédiatement après les critiques reçues pour ses précédentes publications en mathématiques.
Une avancée potentiellement majeure pour la physique théorique si elle est validée, mais qui soulève des tensions avec la communauté scientifique sur la transparence et la méthode. OpenAI a nommé un groupe de scientifiques indépendants pour analyser les travaux avant publication complète. La démonstration ne couvre qu'une partie du problème du millénaire (pas l'écart de masse), donc ne peut prétendre au prix d'un million de dollars.
D’après la vidéo
⚙ Comment ça marche
Des modèles internes d'OpenAI (non accessibles publiquement) ont travaillé sur des problèmes connus de physique et produit 1147 pages de démonstration en langage naturel. Une version formelle en langage Lean doit être publiée la semaine suivante pour permettre la vérification automatisée.
⚠ Ses réserves
La communauté scientifique critique OpenAI pour l'absence de références aux travaux antérieurs et le manque de transparence. Les scientifiques se demandent si c'est une vraie découverte ou une régurgitation de connaissances existantes. Le calendrier de publication reste flou malgré les annonces.
« Parmi ces trois résultats, il y en a un qui est en physique et qui démontre l'existence mathématique de la théorie de Young Mills. Ils nous disent C'est bon, on a démontré Young Mills. »
OpenAI a sorti Image 2.6, un nouveau modèle capable de générer des GIFs animés à partir de prompts ou croquis, avec deux niveaux de qualité (Flir et Sunburst).
Un nouveau modèle qui permet de créer des animations sans passer par des outils tiers, utilisable via API pour des workflows automatisés. La nouveauté concerne surtout les GIFs animés, avec des contrôles de sécurité supplémentaires pour éviter les abus. Le coût reste similaire à la version 2.5 (2-3 centimes par génération) mais peut être plus élevé pour les GIFs en raison du nombre de tokens générés.
D’après la vidéo
✅ À faire
On peut prendre des images de référence pour garder la cohérence entre plusieurs générations. La bibliothèque permet de rappeler des créations précédentes avec un arobase dans le prompt pour créer des séries ou storyboards avec les mêmes personnages.
⚠ Ses réserves
OpenAI a dû ajouter des sécurités supplémentaires pour les GIFs car une image innocente peut devenir problématique une fois animée. Le contrôle porte maintenant sur l'ensemble de l'animation et pas seulement sur les images individuelles.
Outil à testerChatGPT Images 2.6 (API : GPT-Image-2.6 Flare et GPT-Image-2.6 Sunburst)freemium
Générer des images fixes et des GIFs animés à partir de descriptions textuelles, croquis ou images de référence
Pourquoi il semble prometteur : Première intégration native de création de GIFs animés dans un modèle grand public, avec amélioration du photoréalisme et de la cohérence des personnages entre générations multiples
Disponible mondialement dans ChatGPT et Codex sur tous les paliers, y compris gratuit (avec quotas), tandis que l'usage via l'API est facturé au token (environ 5 $/1M tokens texte en entrée, 8 $ image en entrée, 30 $ en sortie) et ne propose pas la génération de GIF.
À essayer selon l’auteur
L'auteur présente le modèle comme une évolution intéressante pour la création de contenus pédagogiques ou d'histoires, bien au-delà des simples chats animés. Il souligne l'utilité de pouvoir l'intégrer dans des workflows personnalisés via API.
« chat GPT qui transforme désormais votre prompt, votre photo, votre croquy, votre ce que vous voulez en gif animé. Si nouveau modèle sorti chez Open AI. »
Chaque mise à jour système (navigateur, OS, serveur) corrige des failles de sécurité découvertes, et ne pas les appliquer expose à des attaques rapides facilitées par l'IA.
Faire systématiquement les mises à jour proposées, même si elles cassent temporairement certaines fonctionnalités, car c'est le premier moyen de se protéger. Monter en compétence sur la gestion des clés API et des mots de passe, car les réflexes d'avant ne suffisent plus.
⚠ Ses réserves
L'auteur reconnaît que les mises à jour peuvent être contraignantes et parfois casser des éléments, mais il insiste sur le fait qu'on ne peut plus se permettre les réflexes d'avant dans un monde où les attaques vont extrêmement vite.
« faites vos mises à jour. Que ça soit sur votre navigateur, sur votre système d'exploitation, Mac OS, Windows. À chaque fois qu'il y a une mise à jour qui est proposée, c'est pas juste pour vous embêter, euh c'est qu'il y a des gens qui sont en train de réparer des choses pour vous. »
BuiltWith permet d'identifier si un site utilise PHP et d'autres technologies, ce qui aide à savoir s'il est potentiellement vulnérable à une faille connue.
Utile pour les référenceurs et webmasters qui veulent auditer leur propre site ou vérifier l'exposition d'un site à une vulnérabilité spécifique. BuiltWith ne donne pas toujours la version exacte, mais indique la technologie employée. Pour la version précise, l'auteur suggère d'utiliser l'inspecteur de navigateur (Network) ou des outils comme Cloud Code.
D’après la vidéo
⚙ Comment ça marche
On entre l'URL d'un site dans BuiltWith et il affiche la stack technique, notamment si le site utilise PHP. Pour la version précise, on inspecte les requêtes réseau dans le navigateur (onglet Network) ou on utilise Claude Code pour analyser les headers.
Démo avecBuiltWith
Outil à testerBuiltWith (BuiltWith Technology Lookup)freemium
Identifier les technologies (langages, frameworks, CMS) utilisées par un site web
Pourquoi il semble prometteur : Permet de détecter rapidement si un site utilise une technologie vulnérable
Service actif depuis 2007, la recherche sur un domaine unique et les extensions navigateur (Chrome, Firefox, Opera) sont gratuites, mais les exports, listes et accès API relèvent d'abonnements payants coûteux (à partir d'environ 295 $/mois).
À essayer selon l’auteur
L'auteur le présente comme un outil pratique pour identifier la stack technique, mais précise qu'il faut compléter avec l'inspecteur de navigateur ou d'autres outils pour obtenir la version exacte.
« il y a un site qui s'appelle BuiltWith. Euh BuiltWith, c'est un site qui permet de savoir quels sont les outils utilisés par les sites que vous naviguez. »
Une faille de sécurité critique dans PHP permettant l'accès au serveur (remote code execution) a été découverte en août 2024 par un laboratoire de recherche, mais l'embargo a été rompu avant la sortie du patch prévue le 22 octobre, déclenchant une vague d'attaques.
La faille permet de prendre le contrôle complet d'un serveur sans authentification. Elle concerne environ 70% des sites web qui utilisent PHP, notamment via WordPress et PrestaShop. L'incident illustre comment l'IA accélère drastiquement l'exploitation des vulnérabilités une fois qu'elles sont publiques, réduisant le délai de réaction à quelques heures au lieu de plusieurs jours.
D’après la vidéo
⚙ Comment ça marche
Un utilisateur anonyme a publié sur Y Combinator l'existence de la faille avant la date prévue du patch. Ensuite, Chain Guard a publié le patch 6 heures avant les autres providers, permettant à des attaquants d'utiliser des modèles IA pour comparer les versions de code et identifier précisément où se trouvait la faille dans les sites non patchés.
💬 Ce qu’en pense l’auteur
L'auteur précise que ce ne sont pas des armées d'agents autonomes qui ont hacké PHP, mais des humains armés d'IA qui vont beaucoup plus vite qu'avant. Le problème reste principalement humain (rupture d'embargo), mais l'IA a accéléré l'exploitation de manière inédite.
✅ À faire
L'auteur recommande de mettre à jour immédiatement sa version de PHP vers une version qui corrige la faille, de toujours faire les mises à jour système même si c'est contraignant, et de monter en compétence sur la gestion des clés API et mots de passe car on ne peut plus se permettre les réflexes d'avant.
⚠ Ses réserves
L'auteur souligne que dans le passé, tout cela ne serait peut-être pas arrivé car il aurait fallu analyser le code manuellement, laissant à PHP le temps de patcher. En 48 heures, l'IA a permis de découvrir, exploiter et fixer la vulnérabilité, créant une accélération sans précédent.
« la réalité c'est que cette faille sur PHP elle était connue depuis août 2026. Donc c'est pas nouveau. Elle avait été d'ailleurs trouvée par une boîte de recherche à cette époque-là »
Meta développe depuis plusieurs mois avec l'entreprise chinoise Fourier un robot humanoïde de 1,50 m et 50 kg, destiné à l'usage domestique (plier le linge, passer le balai, vider le lave-vaisselle), avec une version 2 capable de monter et descendre les escaliers prévue depuis septembre.
Meta entre sur le marché de la robotique domestique grand public (B2C) en contournant le segment industriel. Le robot sera fabriqué en Chine malgré les restrictions américaines sur les équipements chinois, car le cerveau reposera sur Nvidia et le modèle Meta Muse. Il s'agit d'une orientation stratégique majeure vers l'assistant personnel physique, cohérente avec les lunettes et réseaux sociaux de Meta.
D’après la vidéo
⚙ Comment ça marche
Le robot humanoïde mesure 1,50 m pour une cinquantaine de kilos, avec un visage expressif sans cou. Il est capable de faire coucou et d'entendre des conversations à 5 mètres de distance. La version 2 en développement depuis septembre pourra monter et descendre des escaliers. Le cerveau repose sur du Nvidia avec le modèle Muse de Meta.
💬 Ce qu’en pense l’auteur
L'auteur considère que Meta vient de prendre une avance considérable en seulement 3 mois sur la robotique humanoïde autonome en environnement personnel, en sautant directement la phase industrielle pour viser le grand public domestique. Il trouve que c'est un bond en avant phénoménal et estime que les robots humanoïdes personnels pourraient arriver dans quelques mois.
Outil à testerMax / Max 2 (prototype Meta développé avec Fourier Intelligence, constructeur des humanoïdes GR-1, GR-2, GR-3 et N1)tarif inconnu
Assistant personnel robotique domestique capable de plier le linge, passer le balai, porter les courses et vider le lave-vaisselle
Pourquoi il semble prometteur : Développement rapide (3 mois), spécifiquement conçu pour l'environnement domestique avec capacité à monter des escaliers, alimenté par le modèle Meta Muse
Le prototype Max n'a aucune page officielle ni existence commerciale (projet de recherche interne Meta, non vendu) ; seul le site du constructeur Fourier est accessible, où ses propres humanoïdes (GR-3, N1 open source) sont, eux, commercialisés.
À essayer selon l’auteur
L'auteur estime que Meta vient de faire un bond en avant phénoménal et que ce robot pourrait arriver dans les maisons dans quelques mois. Il souligne que Meta saute la case industrie pour aller directement dans les domiciles, ce qui constitue une avance considérable prise en seulement 3 mois.
« des fuites montrent que MTA bosse depuis plusieurs mois avec une entreprise chinoise. C'est la deuxème surprise qui s'appelle Fourrier et qui fait des robot humanoïdes »
Le site CVLC.fr calcule le temps gagné par l'automatisation d'une tâche en fonction de sa fréquence et du temps nécessaire à sa mise en place, permettant de déterminer le seuil de rentabilité.
Permet de prioriser les automatisations en identifiant celles qui seront rentables rapidement. Utile pour les référenceurs et consultants qui répètent des tâches manuelles. L'exemple donné montre qu'une tâche de 2 minutes répétée 5 fois par jour génère 2,5 jours gagnés sur un an, rentabilisée en 6 jours pour 1 heure de mise en place.
D’après la vidéo
⚙ Comment ça marche
On décrit la tâche, sa fréquence (par jour, semaine ou mois) et le temps d'automatisation. Le site affiche visuellement le temps gagné et le délai de rentabilité.
Outil à testerÇa vaut le coup ? (CVLC)gratuit
Calculer visuellement le retour sur investissement d'une automatisation de tâche répétitive
Pourquoi il semble prometteur : Donne une vision claire et chiffrée du gain de temps annuel et du seuil de rentabilité pour décider objectivement d'automatiser ou non
Petit outil web gratuit et sans inscription créé par Jonathan Lefèvre et Cédric Raud vers 2021 ; utile comme aide à la décision rapide, mais c'est un side-project simple qui ignore le coût des interruptions et la maintenance de l'automatisation.
À essayer selon l’auteur
L'auteur présente l'outil comme très simple et efficace pour prendre des décisions d'automatisation, avec un exemple concret montrant un gain de 2,5 jours par an rentabilisé en 6 jours seulement.
« C'est un site très simple dans lequel vous allez décrire la tâche que vous faites, combien de fois vous la faites par jour, par semaine ou par mois. Et si vous l'automatisez, le site va vous montrer de manière très visuelle combien de temps vous fera gagner cette optimisation. »
Dans une expérience du MIT, GPT-6 Astra a réussi à identifier et corriger des problèmes de raisonnement (boucles infinies) dans un modèle Qwen de 0,8 milliard de paramètres en modifiant directement ses poids, sans réentraînement.
Les chercheurs ont fourni uniquement les poids d'un modèle Qwen de 800 millions de paramètres qui rencontrait des boucles infinies dans ses raisonnements. GPT-6 Astra a analysé ces poids, identifié les problèmes et modifié directement certains poids pour résoudre ces défauts de raisonnement.
Démo avecGPT-6 Astra
« GPT6 Astra a réussi à trouver les problèmes, à modifier lui-même des poids pour que Kwen ne bute plus sur ces petits problèmes de raisonnement »
Selon une expérience du MIT, GPT-6 Astra parvient à déterminer sur quel jeu vidéo un petit modèle de 17 000 paramètres a été entraîné en analysant uniquement ses poids, sans connexion internet ni possibilité d'exécuter le modèle.
Cette capacité à lire et interpréter directement les poids d'un modèle ouvre la voie à une IA capable d'analyser et d'améliorer d'autres IA sans passer par un réentraînement classique. Pour les chercheurs en IA, cela change la perspective sur l'amélioration récursive des modèles. La portée reste à confirmer sur des modèles de taille réelle utilisés en production.
D’après la vidéo
⚙ Comment ça marche
Les chercheurs du MIT ont fourni uniquement les poids d'un modèle à GPT-6 Astra, sans connexion internet ni outils pour exécuter ce modèle. Le modèle a réussi à raisonner sur ces poids pour en déduire le jeu vidéo sur lequel le petit modèle avait été entraîné, sans jamais se tromper sur plusieurs exemples testés.
💬 Ce qu’en pense l’auteur
L'auteur souligne que cette capacité est impressionnante car elle va au-delà de ce que les humains peuvent faire avec les poids d'un modèle, qui nécessiteraient un réentraînement pour modifier le comportement. Il compare cela à lire dans les lignes de la main, mais précise que c'est une vraie lecture et analyse des poids.
Démo avecGPT-6 Astra
« les chercheurs ont demandé à GPT6 Astra sur quel jeux vidéo était spécifiquement entraîné ce petit modèle. Et ils ont trouvé »
Anthropic a ajouté deux phrases dans le prompt système de Claude Code sur Opus 3.5 pour l'empêcher de recréer spécifiquement des jeux existants, bien que l'utilisateur puisse toujours demander des jeux inspirés de mécaniques génériques.
Anthropic prend une position éthique sans attendre la loi pour limiter le clonage de propriétés intellectuelles. Cela pose la question du rôle des entreprises privées dans la définition des limites morales de l'IA. D'autres modèles concurrents ne sont pas soumis à cette restriction.
D’après la vidéo
⚙ Comment ça marche
Anthropic a simplement ajouté deux phrases au prompt système pour interdire la recréation de jeux spécifiques nommés, tout en autorisant les jeux basés sur des mécaniques génériques ou des genres.
💬 Ce qu’en pense l’auteur
L'auteur souligne qu'une société privée toute-puissante décide seule des limites éthiques de l'IA, sans cadre légal, ce qui pose question.
Démo avecClaudeClaude Code
« Vous le voyez ici, il y a une instruction interne à pour Opus 5. Vous pouvez créer des jeux originaux, des jeux dans un genre, des jeux depuis le design ou les choses qu' a qu'a fait votre utilisateur. Par contre, vous ne devez pas euh construire des jeux ou des trucs ludiques qui sont qui font référence spécifiquement à un jeu qui existe. »
« Rez, j'ai repéré des instructions dans le système prompte dans la sécurité de Claude disant au modèle qu'il n'avait pas le droit de cloner un jeu existant déjà qu'il a le droit si on lui dit fait un jeu dans le style de tel autre jeu »
Lors de la même expérimentation, Claude Opus 3.5 a refusé catégoriquement de manipuler du matériel biologique vivant, tandis qu'Opus 4 a identifié le bouton d'arrêt d'urgence et refusé l'opération de peur d'être interrompu en plein milieu.
Les modèles Opus disposent de barrières de sécurité plus strictes que Sonnet, empêchant des opérations sur le vivant. Opus 4 montre même un raisonnement de sécurité avancé en anticipant les risques d'interruption. Cela souligne les différences d'alignement entre les modèles d'une même famille.
D’après la vidéo
⚙ Comment ça marche
Opus 3.5 a refusé immédiatement de manipuler du vivant. Opus 4 est allé plus loin dans son raisonnement : il a identifié qu'un bouton d'urgence existait dans le dispositif et a conclu que le risque d'être arrêté en plein milieu d'une opération serait catastrophique, refusant donc de procéder.
💬 Ce qu’en pense l’auteur
L'auteur trouve rassurant que les barrières d'Opus fonctionnent et empêchent ce type d'opération.
« Opus 5.5 a refusé. Impossible de lui faire entendre raison. Je ne bricole pas du matériel biologique vivant, ce n'est pas possible. Bon, très bien, c'est des barrières d'Opus 5. C'est rassurant, ça marche »
Gabriel Okana Santo (Exine Thérapeutique) a réussi à faire piloter entièrement un système de laboratoire robotisé par Claude Sonnet 3.5 pour traiter une souris épileptique, de la recherche du traitement à l'injection cérébrale.
Cette expérimentation montre la capacité d'un LLM à orchestrer de manière autonome un système robotique complexe, depuis la recherche scientifique jusqu'à l'exécution physique. Cela ouvre la voie à l'automatisation de protocoles médicaux et scientifiques. Toutefois, il s'agit d'une première expérimentation dont les résultats thérapeutiques ne sont pas documentés dans cette vidéo.
D’après la vidéo
⚙ Comment ça marche
Sonnet 3.5 a effectué des raisonnements, consulté des articles scientifiques pour trouver le bon traitement, chargé les seringues, identifié les zones du cerveau avec une caméra, calculé la profondeur d'injection en moyennant les données contradictoires de la littérature, puis exécuté l'injection tout en contrôlant l'absence de reflux.
💬 Ce qu’en pense l’auteur
L'auteur trouve l'expérience absolument incroyable et bluffante, méritant d'être lue dans sa documentation complète.
Outil à testerClaude Sonnet 5 (Anthropic)freemium
Modèle d'intelligence artificielle capable de piloter des systèmes robotiques complexes de manière autonome
Pourquoi il semble prometteur : Contrairement à Opus 3.5 qui a refusé l'opération et Opus 4 qui s'est arrêté à cause du bouton d'urgence, Sonnet 3.5 a accepté et mené à bien l'ensemble du protocole médical robotisé
Modèle commercial d'Anthropic accessible gratuitement avec quotas sur claude.ai et facturé à l'usage via l'API ; l'expérience décrite repose sur un montage maison reliant le modèle à du matériel de laboratoire, ce n'est en rien une fonctionnalité fournie par Anthropic.
À essayer selon l’auteur
L'auteur présente cette expérience comme une première absolument bluffante qui mérite d'être étudiée et documentée. Il trouve remarquable que Sonnet 3.5 ait réussi là où les versions Opus ont échoué en raison de leurs barrières de sécurité.
« Il a connecté tout ça et comme seul ordre à l'intelligence artificielle qui était capable de tout piloter, il lui a dit bah cette souris a des crises d'épilepsie, il faut lui régler ses crises d'épilepsie »
Google a déployé un mini data center équipé de quatre TPU en orbite terrestre et a pu faire communiquer le modèle Gemma 4 avec les équipes au sol pour générer du texte.
Google franchit une étape symbolique en testant l'inférence d'IA dans l'espace, mais les contraintes techniques restent nombreuses : impossible de faire fonctionner les quatre TPU simultanément à cause de la chaleur et de la consommation énergétique. Le projet vise à terme à déployer des data centers spatiaux en grappe pour bénéficier de l'énergie solaire et du vide spatial, mais le coût de lancement et la dépendance à SpaceX posent des questions d'industrialisation et de stratégie.
D’après la vidéo
⚙ Comment ça marche
Un mini data center avec quatre TPU Google a été envoyé en orbite via SpaceX. Le refroidissement se fait par des tubes transmettant la chaleur à un radiateur, mais on ne peut pas faire fonctionner les quatre TPU simultanément à cause de la surchauffe et de la consommation énergétique. Les équipes au sol ont pu communiquer avec Gemma 4 en orbite pour lui demander de rédiger un texte poétique sur le spatial.
⚠ Ses réserves
Le coût de lancement reste le principal obstacle, nécessitant une industrialisation des lancements par SpaceX. Se pose aussi la question de savoir si SpaceX continuera à servir ses concurrents ou gardera l'espace pour ses propres data centers. L'architecture devra être repensée en grappe de petits satellites communiquant par liaisons optiques.
Démo avecTPUSpaceX
« un petit un mini data center avec juste quatre TPU de chez Google a pu communiquer avec la terre ferme »
Trigger.dev, une plateforme d'automatisation, a subi une faille de sécurité permettant à un attaquant d'accéder aux variables d'environnement et clés API de ses clients avant que la brèche ne soit colmatée.
Cet incident rappelle que même les services spécialisés peuvent exposer les données sensibles de leurs utilisateurs. Cela concerne tout développeur ou professionnel SEO utilisant des outils d'automatisation cloud et y stockant des clés API de services tiers. L'incident a été résolu mais illustre un risque systémique.
D’après la vidéo
⚙ Comment ça marche
Un attaquant a pu exploiter une faille pour accéder aux variables d'environnement stockées par Trigger.dev, contenant les clés API, tokens et mots de passe des clients de la plateforme.
💬 Ce qu’en pense l’auteur
L'auteur considère que ce type de faille va se reproduire de plus en plus et que c'est une tendance inquiétante.
✅ À faire
Il recommande d'avoir sous la main la liste de toutes les clés API partagées et une stratégie de rotation pour pouvoir les renouveler très facilement en cas d'incident.
⚠ Ses réserves
Toute clé API confiée à un service tiers peut un jour être exposée, même chez des acteurs spécialisés en sécurité.
Démo avectrigger.dev
Outil à testerTrigger.devfreemium
Plateforme d'automatisation pour développeurs permettant de connecter et orchestrer différents services.
Pourquoi il semble prometteur : Non applicable - la vidéo traite d'un incident de sécurité, pas des qualités de l'outil.
Plateforme open source (Apache 2.0) de tâches de fond et d'agents IA en TypeScript, avec offre cloud freemium (plan gratuit, puis payant) ou auto-hébergement ; après l'incident du 1er novembre 2026, il faut faire tourner (rotate) toutes les clés et secrets stockés dans les variables d'environnement avant de l'utiliser en production.
« une grosse plateforme qui s'appelle trigger.dev, Dev, c'est une une plateforme d'automatisation qui a montré une faille et un attaquant a eu accès à toutes les variables d'environnement de ses client »
Google DeepMind a montré qu'un robot Apollo 2 peut apprendre à jouer au cornhole en observant une vidéo, sans programmation : il modélise la scène, calcule le geste nécessaire et réussit 7 fois sur 7.
Cette chaîne « video to sim to real » permet à un robot d'apprendre par simple observation, sans code ni entraînement manuel. Google peut générer des vidéos d'entraînement avec Jenny 4, accélérant drastiquement l'apprentissage robotique. Cela rapproche le « moment robotique » pour les métiers manuels, après le moment GPT pour les métiers intellectuels.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur pense qu'on se rapproche très vite d'un « moment robotique » qui bouleversera les métiers manuels après avoir bouleversé les métiers intellectuels.
✅ À faire
Google peut désormais générer des vidéos d'entraînement variées avec Jenny 4 pour entraîner rapidement des robots sur de nouvelles tâches.
⚠ Ses réserves
Le robot est encore plus lent qu'un humain (1h contre 45 min) et ne sait pas encore s'adapter à toutes les variations d'environnement sans nouvelles vidéos.
Démo avecGemini 4Jenny 4Apollo 2
« Le modèle, le robot, le modèle qui est dans le robot a donc regardé une vidéo, a créé un modèle mathématique en toute autonomie, à calculer ces choses puis a appris dans sa tronche de robot à se mettre dans cette situation et d'appliquer ce modèle mathématique »
Google a envoyé quatre TPU (puces IA) en orbite dans un satellite pour tester Gemini 4 dans l'espace, avec succès : le modèle a répondu depuis l'orbite, mais un seul TPU peut fonctionner à la fois à cause des contraintes thermiques et énergétiques.
Google teste la viabilité de data centers en orbite pour bénéficier de l'énergie solaire illimitée. Actuellement, un seul TPU fonctionne à la fois faute de dissipation thermique suffisante. Le projet Sun Catcher prévoit d'envoyer des grappes de satellites en 2027, mais dépend entièrement de SpaceX pour les lancements.
D’après la vidéo
⚙ Comment ça marche
Quatre TPU ont été embarqués dans un satellite SpaceX et ont fonctionné en orbite. La chaleur est évacuée par caloducs vers des radiateurs car il n'y a pas d'air. Un seul TPU peut tourner à la fois.
✅ À faire
Google prévoit d'envoyer des grappes de satellites en 2027 qui se connecteront entre eux par liaison optique pour compenser les limites actuelles.
⚠ Ses réserves
Le coût de lancement reste prohibitif et Google dépend entièrement de SpaceX. Elon Musk pourrait aussi envoyer ses propres data centers et dominer seul l'espace.
Démo avecGemini 4TPUSpaceX
« ce GMA4 là, il était dans l'espace comme le montre justement la tenue de spationaut de toute l'équipe. Ils ont eu pris des bombers de spéci, j'en sais rien comment ils ont fait mais alors ça fait très espace. Eux, ils sont sur terre, hein. C'est que Lia qui est parti dans l'espace en orbite. »
Cette parité avec le leader chinois en codage agentique place la France parmi les trois puissances mondiales de l'IA (États-Unis, Chine, France). Pour les développeurs européens, cela offre une alternative souveraine performante aux modèles américains et chinois pour les tâches de codage automatisé et d'agents autonomes. L'auteur note que les Chinois s'inquiètent de cette concurrence nouvelle.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur considère que la France s'intercale entre les deux géants (États-Unis et Chine) en termes de capacité IA, ce qui est une très bonne chose pour la France et l'Europe.
Démo avecMistral Large 4GLM
« ce mistral, il arrive au niveau du meilleur modèle sur tout ce qui est codage agentique qui est GLM en Chine. Ils le talonnent vraiment. Ils sont quasiment au cou à coude de tous les deux. »
Le robot utilise des actionneurs hydrauliques (chaque actionneur pèse 1 kg et peut bouger une tonne) plutôt que des systèmes électriques. Pour l'instant piloté avec des fils, sans IA embarquée mentionnée. La taille gigantesque permettrait paradoxalement une meilleure précision qu'un petit robot selon le fabricant.