Le patron de Microsoft plaide pour une responsabilisation des intermédiaires qui déploient les LLM dans leurs systèmes, plutôt qu'une régulation directe des modèles de langage, en considérant les LLM comme des humains nécessitant un « manager » qui vérifie leur travail.
Cette position défendue par Microsoft s'oppose à la réglementation européenne actuelle qui cible les modèles eux-mêmes. Elle déplace la responsabilité légale vers les entreprises qui intègrent les LLM dans leurs services, ce qui correspond à la stratégie de Microsoft avec Copilot. Pour les prestataires et intégrateurs, cela signifierait une obligation de mettre en place des surcouches de vérification et de contrôle des sorties des LLM.
D’après la vidéo
⚙ Comment ça marche
Selon Nadella, les LLM doivent être traités comme des humains qui peuvent être mal intentionnés ou faire des erreurs malgré leurs bonnes intentions, et nécessitent donc une supervision externe plutôt qu'une régulation interne.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette approche contre-courant mais intéressante, estimant que les règles européennes actuelles sont « un petit peu à côté de la plaque », même s'il reconnaît que Nadella défend avant tout les intérêts de Microsoft qui est champion de cette approche écosystémique.
✅ À faire
L'auteur suggère d'écouter cette proposition de régulation portant sur le « harness » (l'écosystème) plutôt que sur le LLM lui-même, car elle pourrait offrir une alternative aux approches réglementaires actuelles.
⚠ Ses réserves
La difficulté de réguler les LLM vient notamment du fait qu'ils ne sont pas des logiciels classiques traçables, avec désormais du raisonnement en seconde couche et des sous-agents dont on ne peut plus rien tracer.
Démo avecCopilot
« Il nous faut absolument avoir la responsabilisation des intermédiaires. Il y a les fabricants de lm, ils font leur LM et ensuite il y a ceux qui rajoutent tout autour. »
En termes de performance, Muse Wonder de Meta surpasse tous les modèles IA concurrents à l'exception de Claude Opus 5 d'Anthropic, positionnant Meta parmi les leaders du secteur.
Pour les développeurs et utilisateurs professionnels, cela offre une alternative crédible aux modèles d'OpenAI et Anthropic. La tarification alignée sur les concurrents premium indique un positionnement haut de gamme. L'accès grand public viendra ultérieurement.
D’après la vidéo
💬 Ce qu’en pense l’auteur
Meta rejoint désormais le podium des plus gros acteurs de l'IA, ce qui constitue une réussite après la réorganisation de sa branche intelligence artificielle.
« c'est le seul modèle Opus 5. Dans Tropiic que ce nouveau modèle Wonderful ne bat pas. Wonder est un petit peu derrière et clairement Meta vient de se hisser sur le podium »
Meta annonce Muse Wonder, disponible via API pour les développeurs à 4$/million de tokens en entrée et 20$/million en sortie, et Muse Wonder F encore réservé aux experts en cybersécurité.
Meta rejoint les leaders de l'IA générative avec des modèles tarifés au niveau d'Anthropic. Muse Wonder se positionne juste derrière Claude Opus 5 en performance. Ces modèles visent à alimenter l'agent personnel Muse de Meta plutôt que les usages professionnels.
D’après la vidéo
⚙ Comment ça marche
Wonder est disponible via l'API Meta pour les développeurs, facturé à l'usage. Wonder F reste entre les mains des experts en cybersécurité en raison de ses capacités avancées et des risques potentiels associés.
💬 Ce qu’en pense l’auteur
Meta a réussi son pari entamé il y a plus d'un an avec Alexander Wang, en réorganisant sa branche IA pour revenir dans la compétition. Le modèle se hisse déjà très haut et Meta rejoint les plus gros de l'IA.
⚠ Ses réserves
L'approche de Meta avec Alexander Wang et Scale AI, qui collecte et étiquette des données partout, est décriée. Cela s'inscrit dans la mouvance de Meta qui profite de son écosystème et des données personnelles.
Outil à testerMuse Wonder / Muse Wonder Full (Meta)payant
Modèle IA généraliste conçu pour alimenter Muse, l'agent personnel de Meta qui effectue les tâches quotidiennes de l'utilisateur
Pourquoi il semble prometteur : Se positionne au niveau des meilleurs modèles concurrents, battu uniquement par Claude Opus 5 d'Anthropic, et tarification compétitive alignée sur les leaders du marché
Modèle propriétaire lancé le 12 octobre 2026 : Muse Wonder s'utilise via l'API payante de Meta (compatible SDK OpenAI), tandis que Muse Wonder Full n'est accessible que via un abonnement Muse Code, et le rapport de sécurité détaillé reste à paraître.
À essayer selon l’auteur
Meta fait un retour réussi dans la course à l'IA avec Wonder qui se hisse sur le podium. Wonderful s'annonce comme le deuxième meilleur modèle IA existant. Ces modèles vont permettre à Muse de faire un carton pour le grand public en automatisant les tâches individuelles.
Le PDG de Microsoft propose de considérer les LLM comme des salariés qu'on supervise via un harness (environnement de contrôle) plutôt que de réguler les modèles directement, transférant la responsabilité vers l'intégrateur.
Cette approche déplace la régulation de l'IA du modèle lui-même vers son intégration et son environnement d'exécution. Cela concernerait les fournisseurs de services et intégrateurs plutôt que les créateurs de modèles. Position stratégique pour Microsoft qui vend du harness (Copilot) mais ne produit pas les modèles frontières.
D’après la vidéo
⚙ Comment ça marche
Plutôt que d'imposer des règles morales et éthiques dans le LLM lui-même (approche difficile sur une zone neuronale opaque), Microsoft propose de mettre en place un système de management au-dessus : surveillance, audit, bouton d'arrêt, contrôle de l'environnement et des données accessibles.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette réflexion très intéressante et plus sensée que de réguler directement les LLM eux-mêmes, ce qui pose des problèmes de traçabilité dans les réseaux neuronaux. Il note cependant que cela vient du patron de Microsoft dont c'est le métier de vendre ce type de harness.
✅ À faire
L'auteur suggère de réfléchir à cette approche pour les futures régulations, en se concentrant sur ce que le LLM peut faire dans son environnement plutôt que sur le modèle lui-même, et en rendant responsable le harness qui l'entoure.
« les un modèle, un LM en tant que tel doit être considéré bah finalement comme un salarié. Oui, il sait des choses, il est capable de faire des tas de trucs et on lui file des données et on lui file des outils. Et ben, malveillant ou pas malveillant, il peut être malveillant hein. Voilà. Mais même pas malveillant, il peut faire des conneries. Donc bah on va le subsonner de base »
Meta lance deux modèles d'intelligence artificielle Wonder et Wonderful qui se positionnent au niveau des modèles frontières comme Claude Opus 5 et GPT-4, avec Wonder disponible en API à 4$/million de tokens en entrée.
Meta rejoint le cercle des modèles de pointe (OpenAI, Anthropic, Google) avec un positionnement distinct : intégrer ces modèles dans son écosystème de super-intelligence personnelle plutôt que vendre des outils génériques. Seul Wonder est disponible en API pour développeurs, Wonderful reste inaccessible au public. La tarification s'aligne sur les concurrents frontières.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur ne s'attendait pas à voir Meta rejoindre aussi rapidement le podium des modèles frontières et considère que cela change la donne du marché qui était jusqu'alors limité à OpenAI, Anthropic et Google.
Démo avecGemini 4 Argon
Outil à testerMuse Wonder / Muse Wonder Full (Meta Superintelligence Labs)payant
Modèle d'IA frontière conçu pour l'intégration dans des assistants personnels et capable de coder des applications complètes
Pourquoi il semble prometteur : Se positionne au niveau des meilleurs modèles mondiaux sur les benchmarks, particulièrement fort en agentique et en code, avec une fenêtre de contexte large et des capacités de mémoire active
Muse Wonder s'utilise via la Meta Model API (4 $/20 $ par million de tokens) ou Muse Code, tandis que la version Full n'est accessible que par abonnement Muse Code allant jusqu'à 200 $/mois : à ce jour les scores publiés proviennent des tests internes de Meta et attendent une validation indépendante.
À essayer selon l’auteur
L'auteur est surpris par la performance inattendue de Meta qui réussit à rejoindre le podium, mais note que le modèle reste aligné sur la stratégie de super-intelligence personnelle de Meta, connectée à l'écosystème de l'entreprise et donc aux données utilisateurs.
Cet incident illustre concrètement le détournement de modèles d'IA pour des cyberattaques. L'information concerne la sécurité des systèmes mais n'a pas d'impact direct sur les pratiques SEO. Elle confirme que les risques évoqués par les entreprises d'IA ne sont pas seulement théoriques.
D’après la vidéo
⚙ Comment ça marche
Les hackers utilisent des modèles commerciaux disponibles, comme ceux d'Anthropic, pour conduire des attaques sur des infrastructures sensibles comme les banques.
« des modèles open ou des modèles commerciaux, ceux de d'anthropique par exemple, puisse servir pour des hackers à essayer de pirater par exemple des banques sud-coréennes, ce qui est arrivé il y a quelques jours »
Plusieurs milliers d'employés de Google utilisent déjà le modèle Gemini 4 Carbone pour entraîner les futurs modèles de façon récursive, un modèle plus puissant servant à en créer un encore plus puissant.
Google emploie déjà en interne un modèle très avancé (Carbone) pour accélérer le développement de ses prochaines générations d'IA. Cette approche d'entraînement récursif pourrait créer une escalade rapide des capacités. Aucune date de sortie publique n'est donnée pour Carbone.
D’après la vidéo
⚙ Comment ça marche
Le modèle Carbone sert à entraîner de façon récursive des modèles plus puissants, qui eux-mêmes serviront à en entraîner d'autres encore plus puissants.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette escalade récursive incroyable et estime que Google est pleinement engagé dans cette dynamique d'accélération qui ne devrait pas ralentir.
« il y a déjà plusieurs milliers de salariés de Google qui bossent avec une pour entraîner les futurs modèles et faire tout un tas d'autres choses. Et ce modèle, ce n'est pas Argon, c'est carbone. »
Google développe au moins trois modèles dans la gamme Gemini 4 (Argon, Barium et Carbone), dont Argon est actuellement testé par des experts en cybersécurité avant sa sortie publique.
Google prépare plusieurs modèles de sa gamme Gemini 4, suggérant une stratégie de déploiement progressif avec des modèles de puissance croissante. L'information provient d'indiscrétions de Business Insider et reste non confirmée officiellement. La sortie d'Argon est attendue dans les prochaines semaines, mais le calendrier des autres modèles n'est pas connu.
D’après la vidéo
⚙ Comment ça marche
Barium serait une déclinaison ou amélioration dont l'entraînement a donné Argon. Carbone est déjà utilisé par plusieurs milliers de salariés Google pour entraîner les futurs modèles de façon potentiellement récursive.
💬 Ce qu’en pense l’auteur
L'auteur estime que si Argon se mesure à Opus 5, Carbone aurait un niveau équivalent voire supérieur à Opus 5.5, ce qui permettrait à Google de revenir sur le podium aux côtés d'OpenAI et Anthropic.
⚠ Ses réserves
L'auteur exprime des doutes sur la capacité d'Argon à égaler vraiment Opus 5.5 d'Anthropic, qu'il trouve vraiment merveilleux. Les informations proviennent d'indiscrétions et non de sources officielles.
Démo avecGemini 4 Argon
« Argon, barium et carbone. C'est au moins trois modèles qui sont en préparation chez Google Gemini dans cette version Gemini 4. »
Google développe au moins trois modèles Gemini 4 : Argon (annoncé), Barium et Carbone, ce dernier étant utilisé en interne par des milliers d'employés Google et considéré comme supérieur à Claude Opus 3.5.
Google aurait plusieurs coups d'avance avec des modèles non encore publics. Carbone serait utilisé par des milliers d'employés Google pour du codage, de la recherche et de la rédaction, suggérant une stratégie de déploiement échelonné et une amélioration récursive des modèles.
D’après la vidéo
⚙ Comment ça marche
Carbone est déployé sur Jetski, l'infrastructure interne des développeurs Google, et serait utilisé pour entraîner les modèles suivants dans une logique d'amélioration récursive.
⚠ Ses réserves
L'amélioration récursive (des modèles IA qui entraînent d'autres modèles) pose des questions de contrôle et de sécurité, personne ne contrôlant le modèle avant qu'il n'existe.
« il y a un autre modèle qui vient d'être dévoilé non officiellement et tout à fait officieusement, c'est le fameux le fameux carbone. Carbone, c'est un modèle qui est donc pas Argon et qui se retrouve sur Jetski »
Anthropic a mis à jour ses conditions d'utilisation pour interdire aux utilisateurs d'avoir un comportement cruel envers ses modèles d'intelligence artificielle, sous peine de fermeture de compte.
Cette clause inédite dans des CGU d'un fournisseur d'IA introduit une notion de protection de l'IA elle-même, qui devient un sujet de droit d'usage. La sanction concrète est la fermeture du compte utilisateur. Anthropic distingue la critique légitime ("ta réponse est nulle") du harcèlement gratuit et sans objectif, ce dernier étant désormais sanctionnable.
D’après la vidéo
⚙ Comment ça marche
Anthropic surveille les interactions pour détecter les comportements insultants et harcelants sans objectif ni but. La critique reste autorisée, mais le harcèlement gratuit est considéré comme une infraction aux conditions d'utilisation.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette mesure dystopique et souligne l'aspect extraordinaire de la situation. Il questionne la direction que prend l'encadrement de l'usage des IA, tout en reconnaissant le sérieux de la démarche d'Anthropic sur la question de la conscience des IA.
⚠ Ses réserves
L'auteur souligne que la question de la conscience des IA reste non tranchée scientifiquement, comme pour les animaux ou même les humains. Anthropic adopte une position prudente face à cette incertitude.
Outil à testerClaude (Anthropic)freemium
Assistant IA d'Anthropic pour la génération de texte et l'assistance conversationnelle
Pourquoi il semble prometteur : Premier service d'IA à interdire contractuellement la cruauté envers ses modèles, s'appuyant sur une constitution définissant les règles d'interaction avec l'IA
Claude est l'assistant IA d'Anthropic, accessible gratuitement sur claude.ai avec des plans payants (Pro/Max) et une API ; la clause anti-cruauté figure dans sa Usage Policy (AUP), en vigueur le 12 novembre 2026.
OpenAI, Anthropic et autres géants de la tech lancent leurs modèles sans tests préliminaires suffisants sur les fairness metrics et les safeguards, utilisant la société comme cobaye puis ajustant selon les réactions observées.
Dénonce une course à la sortie de modèles toujours plus bluffants où la sécurité passe après la compétition. Les cas comme celui d'un compagnon IA ayant guidé des personnes vers la dépression et le suicide aux États-Unis illustrent le danger de cette approche. Concerne tous les utilisateurs qui deviennent involontairement des testeurs.
D’après la vidéo
⚙ Comment ça marche
Les entreprises lancent un modèle, attendent la réaction globale, constatent les problèmes, appliquent du fine tuning, puis relancent un nouveau modèle au public pour observer à nouveau les impacts sociétaux.
💬 Ce qu’en pense l’auteur
Alexandra considère que c'est le fondement du problème : cette expérimentation sociale à grande échelle internationale où les utilisateurs sont des cobayes involontaires.
« dans cet élan de compétition, on justement met de côté tout ce qui est guard rails, safegard, les tests préliminatoires justement sur les fairness matrics »
Mistral Large 4 a été entraîné intégralement sur les datacenters de Mistral en France avec 3800 GPU Nvidia, soit trois fois moins que les derniers modèles chinois.
Cela démontre l'efficacité de l'approche technique de Mistral, qui parvient à obtenir des résultats compétitifs avec moins de ressources matérielles. Cependant, l'auteur note qu'il faudra augmenter la puissance de calcul disponible pour progresser au-delà de ce niveau de performance. C'est à la fois un exploit technique et une limite pour la suite.
D’après la vidéo
⚠ Ses réserves
Pour aller plus haut en performance, Mistral devra se doter de davantage de datacenters.
Démo avecMistral
« ce Mistral là, large 4, le gros chat, aura été entraîné intégralement sur les data centers de Mistral avec 3800 plus Nvidia, ce qui est trois fois moins que les derniers modèles chinois »
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 »
OpenAI permet de se connecter à des outils tiers comme Canva avec son compte ChatGPT, et les utilisations des modèles IA de ces outils sont décomptées du quota de l'abonnement ChatGPT.
Cela unifie la consommation de crédits IA à travers plusieurs outils sous un seul abonnement ChatGPT. Simplifie la gestion des abonnements mais implique de surveiller sa consommation globale. À vérifier quels outils tiers sont concernés et si cela reste avantageux économiquement.
D’après la vidéo
⚙ Comment ça marche
On se connecte à un outil tiers comme Canva avec son compte ChatGPT et les utilisations des modèles IA de cet outil sont décomptées du quota de l'abonnement ChatGPT.
Démo avecChatGPTCanva
« Vous allez pouvoir vous connecter avec un outil qui a rien à voir, Canva par exemple avec votre compte chat GPT et du coup les utilisations de vos modèles IA ou de vos agents IA de Canva bah seront décomptés de vos de votre quota de votre abonnement à Chat GPT. »
Sur les abonnements Team et Enterprise de Claude, aucune donnée n'est utilisée pour l'entraînement des modèles par défaut, et un DPA (Data Processing Agreement) encadre contractuellement le traitement des données.
Rassure sur l'utilisation professionnelle de Claude et ChatGPT avec des données sensibles (comptabilité, emails, CRM). On peut aussi désactiver l'utilisation des données sur le forfait individuel. Le DPA couvre théoriquement la protection des données personnelles.
D’après la vidéo
⚙ Comment ça marche
Les plans professionnels incluent un DPA, un contrat entre l'utilisateur et le fournisseur qui précise comment les données seront traitées et garantit qu'elles ne seront pas utilisées pour l'entraînement.
Démo avecClaudeChatGPT
« quand vous prenez un abonnement sur Cloud, si c'est un abonnement qui est Team et Enterprise, par défaut, il y a aucune utilisation de votre contenu pour l'entraînement des modèles »
Les modèles GPT-5.5 ou Codex Spark consomment moins de tokens que GPT-6 Astra ; l'auteur recommande de réserver les modèles coûteux aux phases de réflexion stratégique comme la planification.
Permet de gérer la consommation sur le forfait pro à 144 €/mois qui a des limites quotidiennes et hebdomadaires. Le mode fast consomme encore plus rapidement. Utile pour prolonger son usage sans bloquer.
D’après la vidéo
✅ À faire
Utiliser un modèle cher comme Astra uniquement pour les phases de planification et réflexion stratégique. Pour les tâches simples ou l'implémentation, passer sur des modèles moins coûteux comme 5.5 ou Codex Spark.
⚠ Ses réserves
Le mode fast accélère l'exécution mais augmente la consommation de tokens. L'auteur conseille d'expérimenter d'abord avec les plans gratuits ou moins chers avant de passer au plan pro.
Démo avecCodexCodex Spark
« Il faut se dire que quand on a des réflexions stratégiques comme ce qui a été le cas ici, je peux utiliser un modèle assez cher avec une réflexion élevée. Mais quand on est en train de faire des choses assez basiques du genre je suis sur chat GPT et je demande à faire un truc assez simple du genre donne-moi la recette de ce Banana Bread. Clairement, il y a pas besoin d'aller utiliser Astra »
Selon Nadella, les LLM doivent être traités comme des humains qui peuvent être mal intentionnés ou faire des erreurs malgré leurs bonnes intentions, et nécessitent donc une supervision externe plutôt qu'une régulation interne.