Google propose Argon à un tarif promotionnel de 10 dollars par million de tokens en sortie, qui doublera à 20 dollars quelques semaines après le lancement.
Ce tarif positionne Argon comme compétitif face aux modèles d'OpenAI et Anthropic, surtout pendant la phase promotionnelle. Après doublement, 20 dollars par million de tokens reste décrit comme bon marché pour des performances annoncées équivalentes. Cela concerne tous les utilisateurs d'API de modèles d'IA pour estimer leurs coûts d'usage.
D’après la vidéo
⚠ Ses réserves
Le tarif de 10 dollars annoncé est une offre promotionnelle de sortie qui doublera à 20 dollars quelques semaines après, sans que la date de cette augmentation soit précisée.
Démo avecArgon
« on nous annonce du 10 dollars par million de tokens en sortie, ce qui fait beaucoup moins cher que les modèles équivalents »
Le modèle Argon de Google passe d'une fenêtre de contexte de 64000 tokens à 1 million de tokens, permettant de gérer des projets complexes et de reprendre là où il s'est arrêté.
Cette augmentation permet de traiter des documents beaucoup plus longs ou des projets complexes en une seule passe, sans découpage. Le modèle peut également reprendre là où il s'est arrêté sur des dossiers compliqués. Cela concerne particulièrement les développeurs et les tâches de migration lourde, déjà utilisées en interne chez Google.
D’après la vidéo
⚙ Comment ça marche
Le modèle gère 1 million de tokens en contexte, peut prendre en charge des projets complexes sans s'arrêter, et sait reprendre là où il en était même sur des dossiers extrêmement compliqués.
Démo avecArgon
« On est passé de 64000 tokens à 1 million de tokens avec un modèle qui est capable de faire des tâches très longues, de prendre en charge des projets complexes, de pas s'arrêter »
« ils ont cherché d'abord une cuve, que ça a pas été si simple. Il y a tout un tout un tas, je trouve ça très intéressant. Ils ont cherché une cuve, ils ont pas trouvé parce qu'il y a des batteries au lithium et il fallait donc »
« on est au-dessus avec Gini 4 Argon. Tout le monde est pas d'accord puisque quand on va voir du côté de artificial analysis. son propre index. Il classe le argon avec une couleur un peu cheloue ici »
Google annonce Argon, son nouveau modèle d'intelligence artificielle qui revient sur le podium des leaders face à OpenAI et Anthropic, d'abord disponible en API puis dans les abonnements les plus élevés.
Google repositionne sa gamme Gemini face à la concurrence d'OpenAI et Anthropic qui sortaient des modèles chaque semaine. Le déploiement sera progressif : d'abord en API via AI Studio pour tests, puis dans les abonnements premium. Cela concerne les utilisateurs de modèles d'IA pour des tâches de développement, migration et projets complexes.
D’après la vidéo
⚙ Comment ça marche
Argon est d'abord testé par des partenaires professionnels du cyber pour évaluer s'il peut faire des actions dangereuses, selon le même processus que Mythos. Il sera disponible d'abord en API dans AI Studio avant d'arriver dans les abonnements premium.
💬 Ce qu’en pense l’auteur
L'auteur constate qu'Argon permet à Google de revenir dans la course et semble vraiment capable sur les benchmarks, même s'il faudra tester en conditions réelles pour vérifier si cela correspond aux usages.
✅ À faire
L'auteur invite à attendre et tester le modèle en conditions réelles car les benchmarks ne suffisent pas à valider la correspondance aux usages concrets.
⚠ Ses réserves
Argon a un faible taux de réponses dangereuses mais pas zéro, ce qui justifie la phase de tests avant déploiement. Le prix promotionnel de 10 dollars par million de tokens doublera quelques semaines après pour atteindre 20 dollars.
Démo avecArgonGeminiAI Studio
Outil à testerGemini 4 Argonpayant
Modèle d'intelligence artificielle de Google pour des tâches de développement, migration et projets complexes nécessitant de longs contextes
Pourquoi il semble prometteur : Contexte étendu à 1 million de tokens, capacité à gérer des tâches très longues et complexes, reprise là où il s'est arrêté, scores élevés sur les benchmarks juste derrière Anthropic, tarif compétitif à 20 dollars par million de tokens
Modèle non accessible au grand public au moment de l'annonce : réservé aux organisations du programme Fairwind, puis prévu pour l'API payante et l'abonnement Google AI Ultra, donc inutile d'espérer l'essayer gratuitement dans l'app Gemini pour l'instant.
À essayer selon l’auteur
L'auteur considère qu'Argon permet à Google de revenir dans la course face à OpenAI et Anthropic avec des capacités prometteuses, mais recommande d'attendre de le tester en conditions réelles pour vérifier si les performances correspondent aux usages concrets, au-delà des benchmarks.
Carter Church a utilisé GPT (probablement Astra) pour déchiffrer en 6 heures une lettre manuscrite chiffrée de Napoléon datée de 1809, jamais totalement décodée auparavant, grâce à un algorithme de recuit généré par l'IA.
Cette réussite démontre la capacité d'un LLM du marché à créer autonomément un programme de résolution itérative et à craquer un code historique complexe en quelques heures, là où un chercheur humain aurait nécessité des mois. Cela ouvre des perspectives pour le déchiffrement d'archives historiques et la cryptanalyse.
D’après la vidéo
⚙ Comment ça marche
Le modèle a généré lui-même un programme de recuit (test and learn itératif) pour tester différentes hypothèses de décodage, identifier progressivement les correspondances entre 155 symboles et lettres, y compris 29 symboles représentant des mots entiers.
💬 Ce qu’en pense l’auteur
L'auteur est passionné par cette application, y voyant une preuve que l'IA peut résoudre des énigmes historiques complexes de façon autonome et rapide, avec des implications importantes pour le déchiffrement et potentiellement la cryptanalyse moderne.
Démo avecGPTAstra
« le modèle d'IA s'est fait un petit programme de recu pour euh voilà passer euh euh au crime de son programme plusieurs fois euh le truc et le retravailler de retravailler puis de faire des petites découvertes comme ça »
Google déploie Gemini 4 Argon d'abord via le programme Fairwind avec des partenaires de confiance et un examen gouvernemental américain en cours, en raison de ses capacités cyber avancées.
Cette approche prudente rappelle le déploiement d'autres modèles puissants et vise à éviter les dérives agentiques. Le modèle affiche un taux de réponse aux requêtes malveillantes de 0,7%, ce qui n'exclut pas totalement les failles. Un partenariat avec WiZ assure la vérification des systèmes.
D’après la vidéo
⚙ Comment ça marche
Le modèle est d'abord distribué à des partenaires experts en cybersécurité via Fairwind, avec une surveillance gouvernementale américaine et des benchmarks montrant un faible taux de succès (0,7%) pour les tentatives d'attaques malveillantes.
Démo avecGemini 4 ArgonFairwindWiZ
« pour l'instant ce modèle sera disponible dans le cadre du programme Fair Wind. Donc donné à des partenaires de confiance qui sont des spécialistes et des experts dans le monde du cyber »
Gemini 4 Argon était disponible depuis plusieurs semaines sur LMSYS Arena sous le nom de Gemini Flash pour tests à l'aveugle avant son annonce officielle par Google.
Cette stratégie permet à Google de collecter des retours utilisateurs réels avant la sortie officielle, tout en maintenant le secret sur les capacités du modèle. Cela confirme que les tests Arena reflètent déjà les performances d'Argon.
D’après la vidéo
⚙ Comment ça marche
Sur LMSYS Arena, les utilisateurs testent deux réponses générées par des modèles anonymes et choisissent leur préférée, permettant à Google de faire évaluer Argon sans révéler son identité.
Démo avecGemini 4 Argon
« Ça veut dire qu'il est disponible en fait puisquon on l'a testé sans le savoir. Oui, sans le savoir. Ça fait de semaines déjà qu'on sait qu'il y a un nouveau modèle bizarre que Jemini a appelé Flash pour nous le faire tester à l'aveugle »
Une intelligence artificielle a réussi à déchiffrer de manière autonome une lettre chiffrée de Napoléon du 19e siècle en seulement 6 heures, en créant elle-même un logiciel de test and learn.
Cette prouesse démontre la capacité des IA à résoudre des problèmes complexes de manière autonome et rapide, là où les humains auraient nécessité des mois de travail coûteux sans garantie de succès. L'auteur y voit une preuve des capacités inattendues de l'IA dans des domaines variés comme l'histoire et la recherche.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur trouve cette application légère mais révélatrice des capacités de l'IA à apporter des découvertes dans des domaines inattendus comme l'histoire et la généalogie.
« Tout ça c'est fait en 6h. Vous allez me dire pourquoi les humains étaient pas capables de le faire ? Clairement, on aurait été capable ce code là de le craquer, mais ça voudrait dire bah que quelqu'un ait envie de payer un chercheur pour bosser pendant des mois et des mois sans savoir s'il allait finir par craquer le code »
L'entreprise de robotique Figure a filmé la destruction spectaculaire de ses robots humanoïdes Figure 02 en les plongeant dans de l'acier en fusion, en référence à Terminator, pour protéger ses secrets industriels avant le lancement du Figure 03.
Cette opération marketing spectaculaire illustre à la fois la volonté de protéger la propriété intellectuelle et met en avant les capacités acrobatiques des robots Figure 02, entraînés virtuellement puis physiquement à effectuer des cascades. L'entreprise a même dû trouver une fonderie en Finlande capable de gérer les batteries lithium.
D’après la vidéo
⚙ Comment ça marche
Figure a entraîné virtuellement ses robots à faire des cascades en simulant des environnements, puis les a testés sur tapis avant de les jeter dans l'acier en fusion. Des cascadeurs ont montré les gestes aux robots pour l'entraînement.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette opération spectaculaire et efficace d'un point de vue communication, tout en notant que certains se sont émus de la 'cruauté' envers les robots.
Démo avecFigure
« ils ont vraiment, il y a toute une vidéo que je vous invite à aller retrouver sur le la chaîne YouTube officielle de figure qui s'appelle Figure. C'est assez simple, elle a été publiée hier à l'heure où je vous montre tout ça. »
Donald Trump a signé un texte non législatif avec Google, Anthropic, Open AI, Meta et d'autres, les engageant à surveiller leurs modèles avant publication, avec auditeurs externes et comité dédié au conseil d'administration.
Cet « accord moral » entre Trump et les géants de l'IA concilie deux positions opposées : pas de ralentissement pour dominer la Chine, mais surveillance des modèles pour éviter les risques cyber et bio. Il crée de facto une régulation du marché par les acteurs eux-mêmes, sans passer par le Congrès. L'auteur y voit un verrou qui pourrait exclure les modèles chinois et européens du marché américain.
D’après la vidéo
⚠ Ses réserves
Ce n'est ni une loi ni un décret, juste un texte signé entre acteurs privés et le président. Il n'y a aucune sanction prévue, aucun délai, aucune définition précise des auditeurs externes. L'auteur souligne que Trump qualifie cela de « constitution », alors que ce n'est pas du tout constitutionnel.
« Donald Trump vient de signer un papier, un c'est pas un décret, euh un texte, il a signé un texte avec les géants de l'IA, tous »
« Donald Trump vient de signer un papier, un c'est pas un décret, un texte. Il a signé un texte avec les géants de LIA. tous euh c'est pas une loi, c'est pas un décret, c'est pas passé par le Congrès américain »
Arthur Mensch, patron de Mistral, annonce sur CNBC qu'un nouveau grand modèle sortira dans quelques semaines et que deux générations majeures sont prévues dans les 12 prochains mois.
Mistral, qui était dans le « second cercle » des modèles d'IA, promet de rattraper le retard sur les géants américains. Cette annonce publique aux États-Unis engage fortement la crédibilité de l'entreprise : si rien ne sort dans les six mois, elle sera décrédibilisée. L'enjeu est de maintenir une alternative européenne souveraine face aux modèles américains et chinois.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur voit cette annonce comme un test de crédibilité majeur pour Mistral, mais y croit car Arthur Mensch ne dirait pas cela publiquement aux États-Unis sans avoir quelque chose de solide. Il espère que Mistral tiendra ses promesses pour maintenir une alternative européenne.
⚠ Ses réserves
Mistral est actuellement très en retard dans les classements, « tout là-bas » selon les mots de l'auteur. L'entreprise s'est concentrée sur des outils d'entreprise (monitoring, harness, sécurité) plutôt que sur les modèles grand public ces derniers mois.
Démo avecMistral
« il y a un nouveau grand modèle qui arrive dans quelques semaines et en plus il y aura des générations qui sont prévues dans les 12 mois à venir. Au moins deux grosses générations nous dit Arthur Mench »
« Arthur Mench nous dit, il y a un nouveau grand modèle qui arrive dans quelques semaines et en plus, il y aura des générations qui sont prévues dans les 12 mois à venir. Au moins deux grosses générations nous dit Arthur Mench. »
AMD acquiert World Labs, l'entreprise de Fei-Fei Li spécialisée dans l'IA spatiale et les world models, pour 8,2 milliards de dollars afin de prendre une avance sur Nvidia dans la future génération de l'IA destinée à la robotique.
AMD investit massivement dans les world models plutôt que de concurrencer Nvidia sur les LLM actuels. Cette stratégie vise à prendre de l'avance sur la prochaine génération d'IA capable d'anticiper les états futurs du monde, essentielle pour les robots autonomes. L'acquisition donne à Fei-Fei Li les ressources de calcul nécessaires pour développer cette technologie.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur considère que cette acquisition pourrait produire les avancées robotiques majeures de l'avenir et qu'AMD prend un raccourci stratégique face à Nvidia en se positionnant sur la prochaine génération d'IA plutôt que sur les LLM actuels.
Outil à testerWorld Labs (produit : Marble)freemium
Développer l'intelligence artificielle spatiale et les world models capables de prédire les états futurs du monde pour la robotique
Pourquoi il semble prometteur : L'entreprise est en avance sur les world models avec Fei-Fei Li comme fondatrice, capable actuellement de créer des environnements 3D navigables à partir d'une seule image et d'y entraîner des drones et robots
Marble génère des mondes 3D explorables à partir de texte, image, vidéo ou panorama 360, avec un palier gratuit à crédits mensuels puis des abonnements payants (droits commerciaux et exports avancés réservés aux offres supérieures) ; le rachat par AMD n'est pas encore clôturé, l'avenir du produit peut donc évoluer.
À essayer selon l’auteur
L'auteur estime que cette acquisition est stratégique et pourrait produire les avancées robotiques majeures de l'avenir, AMD ayant investi massivement (8,2 milliards pour 70 personnes) pour acquérir les cerveaux et prendre de l'avance sur la future génération d'IA.
OpenAI a annoncé Dot lors de son Dev Day du 29 septembre, un agent IA capable de recevoir une mission et de l'exécuter en autonomie sur les serveurs sans intervention humaine, concurrent direct de Meta Mus.
Dot marque un tournant en proposant à tous les utilisateurs ce qui était jusqu'alors réservé aux développeurs capables de monter eux-mêmes des architectures d'agents autonomes via VPS et webhooks. L'outil n'est pas disponible en Europe, au Royaume-Uni ni en Suisse pour l'instant, et est réservé aux abonnements pro les plus élevés. L'auteur anticipe un déploiement rapide et un impact majeur sur les emplois de bureau.
D’après la vidéo
⚙ Comment ça marche
Dot fonctionne sur les serveurs d'OpenAI de manière autonome : on lui confie une mission et il l'exécute sans intervention, contrairement aux solutions actuelles qui nécessitent que l'utilisateur programme webhooks, déclencheurs et automatismes sur un serveur privé virtuel.
💬 Ce qu’en pense l’auteur
L'auteur y voit un changement de paradigme total qui fait entrer dans une nouvelle ère du travail humain-IA, avec l'avènement de véritables collègues IA qui travaillent de leur côté plutôt que d'attendre les demandes d'un humain.
⚠ Ses réserves
L'auteur souligne que Dot n'est pas disponible en Europe, au Royaume-Uni ni en Suisse, et reste pour l'instant réservé aux abonnements pro les plus élevés. Il s'interroge sur l'acceptation par le public réfractaire à l'IA et sur la conformité aux réglementations européennes.
Démo avecDotMus
Outil à testerdots (OpenAI)payant
Agent IA autonome capable de recevoir une mission et de l'exécuter en continu sur les serveurs sans intervention humaine, pour des tâches personnelles et professionnelles
Pourquoi il semble prometteur : Il centralise en une seule solution ce qui nécessitait jusqu'alors de monter soi-même une infrastructure complexe avec VPS, webhooks et automatismes, et fonctionne vraiment de façon autonome sans programmer les déclencheurs
Produit lancé le 29 septembre 2026, inclus avec les abonnements ChatGPT Pro et Business Premium mais indisponible sur Pro dans l'EEE, en Suisse et au Royaume-Uni au lancement : inutile de l'attendre en Europe dans l'immédiat.
À essayer selon l’auteur
L'auteur considère que ce virage qui était réservé aux geeks est maintenant accessible à tous et va se déployer rapidement à travers la planète, avec un impact monumental sur les emplois de bureau, même s'il reste des incertitudes sur l'acceptation et la réglementation.
« ce truc c'est Dot. Dot vient clairement concurrencer ce que Meta fait depuis quelques semaines maintenant avec Mus pas encore dispo en Europe. Un agent qui est capable bah de recevoir une mission et de tout faire en autonomie »
« Un DOT, qu'est-ce que c'est ? Bah, c'est un agent IR vraiment agentique, vraiment autonome et vraiment indépendant de vous. On va lui donner un petit nom, on va lui donner un petit avatar et il va vivre justement dans ce cloud. Donc vous allez lui apprendre des skills, à se comporter comme tel ou tel collègue que vous avez aujourd'hui physique et humain, mais ce sera votre collègue IA et il va tourner de façon autonome, à tel point autonome que vous allez pas forcément avoir besoin de le déclencher pour qu'il fasse des choses. »
Claude Sonnet 3.5 version 2 atteint un niveau quasi équivalent à Opus 3.5 sur de nombreuses tâches, notamment en mode agentique, tout en coûtant cinq fois moins cher en tokens.
L'arrivée de cette version réduit considérablement le coût d'utilisation pour des tâches complexes nécessitant de l'autonomie et du raisonnement. Cela change l'arbitrage économique : on peut désormais traiter des tâches profondes sans passer systématiquement par le modèle le plus coûteux. Le choix ne dépend plus de la difficulté mais de la prévisibilité de la tâche.
D’après la vidéo
⚙ Comment ça marche
Sonnet 3.5 v2 a fait un bond particulièrement marqué sur les tâches agentiques (Terminal bench), devenant capable de mener des tâches profondes avec beaucoup de raisonnement, de créer ses propres programmes et de manipuler images, objets 3D et vidéo sans erreur du début à la fin.
✅ À faire
Utiliser Sonnet 3.5 v2 quand la mission est claire, que l'objectif et le chemin sont définis sans nécessité d'aller-retours, même pour des tâches profondes nécessitant beaucoup de raisonnement. Réserver Opus 3.5 aux situations où il faut tester, analyser puis corriger, ou changer de plan en cours de route.
⚠ Ses réserves
L'agilité et l'intelligence pour changer de plan en cours de route restent l'apanage d'Opus 3.5. Ce n'est plus la difficulté de la tâche qui doit guider le choix du modèle, mais la prévisibilité du parcours.
Outil à testerClaude Sonnet 5.5 (Anthropic)freemium
Modèle de langage capable d'autonomie, de raisonnement profond et de tâches agentiques (création de programmes, manipulation d'images, objets 3D, montage vidéo)
Pourquoi il semble prometteur : Atteint des performances proches d'Opus 3.5 sur de nombreuses tâches, notamment agentiques, pour un coût cinq fois inférieur, avec un bond notable sur les benchmarks Terminal
Modèle disponible depuis le 28/09/2026 sur claude.ai (y compris les offres gratuite et Pro, où il est le modèle par défaut), dans les applications Claude et via l'API ainsi que les principales plateformes cloud ; mes recherches n'ont pas fait remonter l'URL exacte de l'annonce officielle sur anthropic.com, je préfère donc ne pas en proposer une approximative.
L’auteur l’a adopté
L'auteur recommande vivement d'utiliser Sonnet 3.5 v2 pour toutes les missions clairement définies, même profondes et complexes, réservant Opus 3.5 uniquement aux situations nécessitant de l'agilité et des changements de cap en cours de route.
Aucune page officielle n’a pu être confirmée — cherchez le nom vous-même plutôt que de suivre un lien approximatif.
« Sony 5.5 quasiment au niveau équivalent à celui d'OPUS 5.5 pour plein plein de choses, mais il va consommer moins de token. Il est sur une tarification qui est nettement en dessous, cinq fois moins cher. »
Anthropic a déposé son dossier d'introduction en bourse visant une valorisation de 60 milliards de dollars, dont 80 pages sur 260 sont consacrées aux risques de l'IA (manipulation, chantage, refus d'être éteinte, risques cyber et bio).
Anthropic communique sur une entrée en bourse après les mid-terms (fin 2026) avec une croissance de chiffre d'affaires hallucinante (11,5 milliards de dollars au T2 2026 contre 4,6 milliards sur toute l'année 2025). L'insistance sur les risques dans le dossier reflète la philosophie d'Anthropic mais pourrait paradoxalement attirer les investisseurs en positionnant l'entreprise comme la plus avancée.
Démo avecAnthropic
« sur les 260 pages du dossier, il y en a 80. C'est sur les risques l'IA, c'est manipulation, c'est chantages, c'est refus d'être éteint, c'est ça s'échappe, c'est les risques cyber, c'est les risques bio et cetera, ils l'ont mis dans leur dose. »
La difficulté majeure de la formation à l'IA est que les sociétés de formation actuelles forment aux compétences d'avant, pas aux technologies qui n'existent pas encore, ce qui nécessite de faire émerger un nouveau secteur de formation technologique.
Ce défi concerne toutes les organisations qui veulent former leurs équipes à l'IA. Les grandes entreprises créent leurs propres écoles internes, comme Google qui forme ses ingénieurs tous les 18 mois. Les PME doivent mutualiser avec l'aide des régions, départements et lycées professionnels.
D’après la vidéo
✅ À faire
Il faut faire émerger rapidement un secteur de formation technologique adapté et sponsoriser les entreprises, particulièrement les PME, via des vouchers ou crédits d'impôt. Les grandes entreprises doivent créer leurs propres écoles de formation interne.
⚠ Ses réserves
Pour les PME, la mutualisation est indispensable car elles n'ont pas les moyens individuellement. Cela demande un écosystème local avec les régions, départements et lycées professionnels.
« le la vraie difficulté aujourd'hui, c'est exactement ce que tu dis. C'est-à-dire que il s'agit de former des gens à quelque chose d'extrêmement nouveau et les sociétés de formation d'aujourd'hui forment aux compétences d'avant. »
Des scénarios micro et macroéconomiques montrent que les entreprises qui forment leurs employés et déploient une 'pro-worker IA' obtiennent beaucoup plus de croissance et de retour que celles qui choisissent simplement de réduire leur masse salariale.
Cette recommandation concerne toutes les entreprises qui hésitent entre deux stratégies : réduction d'effectifs ou montée en compétences. Le choix de la formation est rationnel économiquement, pas seulement éthique. La réserve : cela demande un investissement initial et du temps pour transformer les compétences.
D’après la vidéo
⚙ Comment ça marche
La 'pro-worker IA' rend les employés plus puissants en leur permettant d'accéder à des tâches plus sophistiquées avec l'aide d'un copilote IA, comme une infirmière qui pourrait faire une partie du travail d'un médecin.
✅ À faire
Les entreprises doivent avoir une vision de leur organisation de demain et former les gens pour qu'ils évoluent intelligemment vers des tâches plus qualifiées, en reconfigurant l'organisation au fur et à mesure.
« si tu embarques les gens, tu transformes leurs compétences et tu déploies l'agentique ou lié au sens large du terme en en faisant ce que Daron Assouglou qui a un autre prix Nobel d'économie appelle pro worker AI. Donc l'IA qui augmente les gens augmentent pas au sens augmenter le salaire mais qui les rend plus puissants plutôt que une non provoker AI c'està-dire une IA qui en fait juste de la destruction d'emploi en fait tu as beaucoup plus de croissance et beaucoup plus de retour. »
En France, les grandes entreprises adoptent l'IA presque au même niveau que les États-Unis, mais une fracture numérique se creuse car les PME adoptent beaucoup moins vite, créant un retard par rapport au nord de l'Europe.
Cette fracture concerne toutes les PME françaises qui risquent de perdre en compétitivité face aux grandes entreprises et aux PME du nord de l'Europe. Pour combler ce retard, l'intervenant recommande des mécanismes de soutien public (vouchers, crédits d'impôt) pour aider les PME à former leurs employés, comme cela existe en Scandinavie.
D’après la vidéo
⚙ Comment ça marche
Les grandes entreprises françaises déploient l'IA avec des équipes dédiées importantes et des projets structurants, tandis que les PME manquent de moyens.
« en France, on on on y va on y va presque au même niveau que les États-Unis pour les grandes entreprise, mais les PME adopte moins vite. OK. Donc, on a une fracture numérique qui est en train de se constituer entre les grandes entreprises et les PME en France et dans certains pays européens. »
Selon les grands économistes, l'intelligence artificielle générative devrait apporter entre 0,7 et 1 point de croissance de productivité par an pendant les 10 prochaines années, ce qui représente environ 30 % des heures travaillées automatisées sur cette période.
Cette prévision concerne toutes les entreprises qui adoptent l'IA. Elle signifie une transformation majeure du travail mais ne se traduira pas par une 'job apocalypse' selon l'intervenant. La réserve majeure : cela nécessite un plan massif de formation des salariés pour que cette productivité se réalise sans destruction nette d'emplois.
D’après la vidéo
⚙ Comment ça marche
La productivité viendra de l'automatisation d'environ un tiers des heures travaillées grâce à l'IA générative, mais pas par remplacement simple des humains.
⚠ Ses réserves
Cette productivité ne se réalisera que si les entreprises forment massivement leurs employés. Sans vision prévisionnelle et sans formation, les entreprises ne s'adapteront pas et seront en difficulté.
« Les les grands économistes comme Philippe Agon ou d'autres disent On va avoir entre 07 et un point de productivité chaque année pendant 10 ans dans les 10 prochaines années. C'est beaucoup. Oui. Voilà. Mais donc on sait qu'on va avoir presque 30 % des heures travaillés dans les 10 prochaines années qui vont être automatisé hein. Un/ers à peu près. »
Cette approche permet de forcer des plages de travail sans distraction en bloquant automatiquement des sites (réseaux sociaux, messagerie) sur certaines heures. L'auteur l'a développée lui-même mais des extensions existantes proposent cette fonctionnalité. Méthode utile pour qui peine à résister à l'ouverture de certains onglets pendant le travail.
D’après la vidéo
⚙ Comment ça marche
Une extension Chrome personnalisée bloque l'accès à des sites spécifiques pendant des plages horaires définies, affichant un message de blocage si on tente d'y accéder.
« je me suis créé une petite extension Chrome qui me permet en fait de bloquer certains sites entre une certaine heure et une autre, certains lien bloqué de telle heure à telle heure et vu que là on est dans la fenêtre de temps et bien ça me ça m'oblige à faire ça. »
Les profils Chrome créent chacun un espace disque séparé avec leurs propres cookies, mots de passe et cache, multipliant la consommation de RAM et d'espace disque.
Cette explication technique permet de comprendre pourquoi multiplier les profils Chrome (pratique courante pour séparer comptes Gmail ou contextes) dégrade les performances. L'auteur cherche une alternative plus légère que les profils, mais Brave ne propose pas mieux sur ce point. La différence avec les spaces d'Arc (qui ne créent pas de profils séparés) justifie sa recherche d'alternative.
D’après la vidéo
⚙ Comment ça marche
Chaque profil Chrome crée un ensemble complet de données (cookies, mots de passe, cache) stocké séparément sur le disque, consommant RAM et espace disque de manière multiplicative.
Démo avecChrome
« dans Chrome, il y a des profils. Par exemple ici et bien chaque profil et bien il va consommer de la rame et il va consommer de l'espace disque avec ses propres cookies, ses propres mot de passe, enfin ça va devenir un bazar. »
Le modèle gère 1 million de tokens en contexte, peut prendre en charge des projets complexes sans s'arrêter, et sait reprendre là où il en était même sur des dossiers extrêmement compliqués.