Tech • IA • Robotique • Jeu
Un dev qui fait trembler Adobe, Gemini 4 et une usine d'armes Skynet
8/10INTRO
Un mélange en évolution rapide de logiciels open source, de modèles d’IA de nouvelle génération, de planification de crise en entreprise et de dépenses en puces financées par la dette accélère les bouleversements dans les outils créatifs, l’IA cloud, la finance et l’industrie de défense.
POINTS CLÉS
Une suite open source vise Adobe
Le développeur Brandon Thomas a lancé Artcraft, une famille grandissante de logiciels open source visant directement les produits phares d’Adobe. Des projets comme Photocraft, Filmcraft et des outils PDF sont distribués sur GitHub sous licences MIT et Apache, permettant la réutilisation et la modification gratuites. La suite aurait dépassé les 90 000 étoiles alors qu’elle était encore en pré-bêta, signe d’une traction communautaire exceptionnellement rapide.
Le développement assisté par l’IA accélère la réplication
Le logiciel a été conçu selon une approche de clean room: descriptions publiques des produits, tutoriels et supports marketing ont servi à cartographier les fonctionnalités sans copier de code propriétaire. Ce processus, combiné à Claude Opus 5, a fortement réduit le temps nécessaire pour créer des concurrents à des outils commerciaux bien installés. Dans le cas de Photocraft, le développement serait passé de la version 0.1 à 0.7 en un peu plus d’une semaine.
Des capacités déjà suffisantes pour mettre les acteurs en place sous pression
Les outils les plus avancés ne remplacent pas encore complètement Photoshop ou Premiere, mais ils progressent vite. Photocraft couvrirait environ les trois quarts des fonctionnalités de Photoshop, dont près de 45 % seraient réellement prêtes pour un usage professionnel. Il reste donc des bugs et des lacunes dans les flux de travail, mais le rythme suggère que l’IA peut comprimer des années de rattrapage logiciel en semaines ou en mois.
La feuille de route Gemini de Google semble plus large que prévu
De nouvelles informations indiquent que Google teste plusieurs successeurs autour de Gemini 4, et pas seulement le modèle Argon déjà évoqué. Des noms internes comme Barium et Carbon laissent penser à une famille de modèles plus vaste, Argon étant toujours en phase de tests de sécurité avant une sortie publique via API. Carbon est décrit comme un système interne encore plus performant, utilisé par de nombreux employés de Google pour coder, écrire et faire de la recherche.
L’amélioration récursive des modèles fait monter les enjeux
Des témoignages internes chez Google suggèrent une forme d’amélioration récursive, où des modèles puissants aident à construire ou affiner des modèles encore plus puissants. Cette approche est devenue l’un des sujets les plus surveillés en sécurité de l’IA, car elle peut accélérer les gains de capacité plus vite que les cycles produits habituels. Elle renforce aussi les inquiétudes sur le contrôle des modèles, notamment en cyberdéfense, réduction des hallucinations, tâches juridiques et génération de code.
Les entreprises d’IA répètent leurs communications de crise
OpenAI et Anthropic, avec d’autres entreprises, mèneraient des exercices de type simulation de crise pour un incident majeur lié à l’IA. Les scénarios portent sur des cyberattaques, des abus de modèles et les conséquences politiques d’un incident grave touchant des banques, des assureurs, des systèmes énergétiques ou d’autres infrastructures critiques. La préparation viserait non seulement la réponse d’urgence, mais aussi la régulation et la communication publique après une crise.
Un cas bancaire sud-coréen illustre des risques d’abus bien réels
Un exemple cité concerne des attaques contre des cibles financières en Corée du Sud, où des attaquants auraient utilisé plusieurs modèles, dont GLM, DeepSeek et Claude, pour aider à collecter des informations bancaires sensibles et explorer comment monétiser des données volées. Ce cas rappelle que le risque lié à l’IA ne se limite pas à des systèmes hors de contrôle; des opérateurs malveillants utilisant des outils publics restent une menace centrale.
L’offensive d’endettement de SpaceX renforce l’enchevêtrement IA-finance
Elon Musk chercherait environ 40 milliards de dollars liés à l’extension de Colossus 2, dont une grande partie servirait à financer des puces Nvidia supplémentaires. La structure mélangerait dette bancaire et obligations, s’ajoutant à un cycle plus large de capital IA où l’argent levé auprès des investisseurs aide à acheter du matériel issu du même écosystème qui soutient ce financement. Ce flux circulaire alimente davantage les craintes d’une bulle des actifs IA qu’il ne les apaise.
Les investisseurs paient plus cher pour s’assurer contre le risque de crédit lié à l’IA
La protection contre les défauts dans ce segment est devenue nettement plus coûteuse depuis juin, ce qui suggère que les prêteurs continuent de participer tout en devenant plus prudents. Si des paris IA très endettés échouent, les dégâts pourraient dépasser les startups et toucher assureurs, fonds de pension et autres institutions détenant cette dette. Malgré cela, le matériel sous-jacent ne disparaîtrait pas, si bien qu’un krach financier pourrait tout de même laisser au monde une capacité de calcul abondante à des prix bien plus bas.
Anduril étend la logique logicielle à la fabrication d’armes
L’entreprise de défense Anduril a remporté un important contrat lié aux sous-marins de l’U.S. Navy et prévoit une usine près de Baltimore pour produire plus vite des composants critiques. Son système de fabrication, structuré autour de Forge et d’une couche d’orchestration plus large appelée Arsenal OS, est conçu pour suivre les matériaux, les flux de travail et le personnel sur toute la chaîne de production. L’objectif est de rendre la fabrication d’armes plus adaptable, définie par logiciel et plus réactive aux changements de conception.
L’automatisation de la production de défense a des implications plus larges
Le modèle d’Anduril annonce des usines où capteurs, logiciels centralisés et, à terme, systèmes de décision pilotés par l’IA gouvernent à la fois les machines et le travail humain. À court terme, cela pourrait améliorer la production dans des chaînes d’approvisionnement militaires sous tension, comme les programmes de sous-marins Virginia-class et Columbia-class. À plus long terme, cela soulève des questions difficiles sur la surveillance au travail, le déplacement de l’emploi et le rôle de l’IA dans l’extension d’infrastructures d’armes autonomes.
CONCLUSION
Les derniers développements montrent que la disruption liée à l’IA va bien au-delà des chatbots, touchant désormais les logiciels, les systèmes industriels, la finance et la sécurité nationale. La question centrale n’est plus de savoir si l’IA va remodeler les grands secteurs, mais quel niveau d’instabilité les institutions peuvent absorber à mesure que cette transformation s’accélère.
Poser une question