par Intelligence artificielle et innovation ne ralentissent pas cette semaine ! Elle continue d’accélérer, muter, et de se déployer dans des territoires que l’on croyait réservés aux experts. Cette semaine encore, les annonces se succèdent à un rythme qui oblige chaque décideur à lever la tête de son tableau de bord opérationnel pour regarder le paysage se recomposer sous ses yeux.
De la médecine personnalisée conçue par un citoyen ordinaire armé de ChatGPT à l’effondrement spectaculaire de millions de commandes Amazon causé par du code généré par IA, la semaine 11 dessine un contraste saisissant. L’IA promet, l’IA délivre, l’IA trébuche. Parfois dans la même phrase.
Voici les sept actualités qu’il faut regarder cette semaine à mon sens.
Un entrepreneur utilise ChatGPT pour concevoir un vaccin anticancer personnalisé pour son chien
Les faits sont à peine croyables, et pourtant ils sont documentés, vérifiés, publiés. Paul Conyngham, entrepreneur technologique basé à Sydney, spécialiste en apprentissage automatique et analyse de données, a utilisé ChatGPT pour concevoir un vaccin ARNm personnalisé contre le cancer de sa chienne Rosie, un croisé staffy-shar pei atteint d’un cancer avancé à mastocytes.
La démarche est méthodique. Conyngham fait séquencer l’ADN sain et tumoral de Rosie au Ramaciotti Centre for Genomics de l’Université de Nouvelle-Galles du Sud (UNSW) pour 3 000 dollars. Il utilise ensuite ChatGPT pour élaborer un plan d’analyse, identifie les mutations via différents pipelines de données, puis recourt à AlphaFold pour modéliser les protéines mutées et identifier des cibles thérapeutiques. Lorsque l’industrie pharmaceutique refuse de fournir le médicament d’immunothérapie identifié, l’équipe pivote vers la technologie ARNm. Le professeur Pall Thordarson, directeur de l’institut ARN de l’UNSW, fabrique alors un vaccin sur mesure à partir de la formule générée par Conyngham.
Le résultat : après trois injections administrées sous contrôle éthique à l’Université du Queensland, la tumeur principale de Rosie, de la taille d’une balle de tennis, a réduit de moitié. Les chercheurs parlent d’une première mondiale dans la conception d’un vaccin anticancer personnalisé pour un animal.
Cette histoire illustre de manière spectaculaire la démocratisation de la recherche scientifique par l’IA. Un ingénieur sans formation en biologie a pu, avec des outils accessibles, réaliser un travail qui relevait jusqu’ici d’équipes de recherche pluridisciplinaires. Le terme « science citoyenne » prend ici une dimension nouvelle.
Pour l’enseignement supérieur, les questions sont fondamentales. Que devient la frontière entre expert et non-expert lorsque l’IA aplatit les barrières disciplinaires ? Comment les universités doivent-elles adapter leurs programmes de formation face à des compétences transversales qui permettent à un data scientist de contribuer à l’oncologie ? Et surtout, comment structurer ces collaborations entre citoyens augmentés par l’IA et chercheurs institutionnels sans compromettre la rigueur scientifique ni les protocoles éthiques ?
La médecine personnalisée par ARNm, déjà en cours d’essais cliniques chez l’humain, pourrait se trouver accélérée par ces démarches non conventionnelles. Il faudra surveiller de près comment les institutions de recherche s’organisent pour encadrer, et non freiner, ces initiatives.
Bumble lance un assistant IA pour réinventer les rencontres amoureuses
Bumble, l’application de rencontres où les femmes font le premier pas, franchit un cap stratégique avec le lancement de « Bee », un assistant IA personnel conçu pour transformer la mise en relation amoureuse. Annoncé lors de la présentation des résultats du quatrième trimestre, Bee fonctionne comme un chatbot conversationnel, capable d’interagir par texte et par voix, qui analyse les valeurs, les objectifs relationnels, les habitudes de communication et les intentions de chaque utilisateur pour proposer des correspondances hautement personnalisées.
Le mécanisme central est une fonctionnalité appelée « Dates » : Bee conduit des conversations privées d’intégration pour comprendre l’histoire de chaque utilisateur, identifie les correspondances potentielles sur la base de valeurs partagées et notifie les deux parties avec des explications détaillées sur leur compatibilité. Plus audacieux encore, Bumble expérimente dans certains marchés la suppression pure et simple de son mécanisme de swipe emblématique, au profit de profils « en chapitres » permettant de se connecter sur différents aspects de la vie de chacun.
Les résultats financiers accompagnent cette audace : un chiffre d’affaires trimestriel de 224,2 millions de dollars supérieur aux attentes, un revenu moyen par utilisateur payant en hausse de 7,9 %, et une action qui bondit d’environ 40 % après l’annonce.
Au-delà de l’anecdote sentimentale, Bumble pose un cas d’école en matière de transformation par l’IA d’un modèle d’affaires existant. L’entreprise ne se contente pas d’ajouter une couche technologique : elle repense l’interaction fondamentale de son produit. Supprimer le swipe dans une application de rencontres, c’est l’équivalent de retirer le moteur de recherche d’un portail web. Le pari est que l’IA, en comprenant mieux les utilisateurs qu’ils ne se comprennent eux-mêmes, peut remplacer une mécanique devenue obsolète.
Les « world models » s’accélèrent avec un pari à un milliard de dollars sur la vision de LeCun
L’intelligence artificielle ne se contentera pas longtemps de générer du texte. La preuve : Advanced Machine Intelligence (AMI Labs), startup fondée par l’ancien directeur scientifique de Meta et figure tutélaire de l’IA, vient de boucler une levée de fonds d’amorçage supérieure à un milliard de dollars, pour une valorisation pré-money de 3,5 milliards. C’est le plus important tour de table d’amorçage jamais réalisé en Europe. Parmi les investisseurs : Nvidia, Bezos Expeditions, l’ancien PDG de Google, et le milliardaire Mark Cuban.
L’équipe dirigeante est largement issue de Meta : Alexandre LeBrun au poste de PDG, Laurent Solly comme directeur des opérations, Pascale Fung à la recherche et l’innovation, Michael Rabbat aux world models. Le directeur scientifique, Saining Xie, vient quant à lui de Google DeepMind.
La mission d’AMI Labs : construire des systèmes d’IA capables de comprendre la réalité et d’opérer de manière fiable dans le monde physique. Autrement dit, dépasser les grands modèles de langage pour atteindre une compréhension du monde comparable à celle des humains. L’entreprise affirme que l’IA doit désormais « comprendre les situations, conserver le contexte, anticiper les conséquences et agir de manière fiable dans le temps ».
AMI Labs n’est pas seul sur ce créneau. World Labs, fondé par Fei-Fei Li, a levé un milliard de dollars à 5 milliards de valorisation en février. Runway, spécialiste de la vidéo par IA, a levé 315 millions de dollars à 5,3 milliards de valorisation. Le secteur des world models attire aujourd’hui la même ferveur que les LLM en 2022.
Les world models représentent la prochaine frontière de l’IA, celle qui permettra aux machines de comprendre et d’interagir avec le monde physique, avec des applications directes en robotique, en véhicules autonomes, en simulation industrielle et en santé. Mais c’est un pari à long terme. Ces modèles sont difficiles à construire, encore plus à déployer, et leurs erreurs ont des conséquences physiques, pas simplement numériques.
Pour les universités et les écoles d’ingénieurs, cette vague d’investissements signale une demande massive de compétences qui n’existent pas encore dans les curricula standards. La recherche en IA incarnée, en modélisation du monde physique, en sécurité des systèmes autonomes : autant de champs où la formation et la recherche académique ont un rôle déterminant à jouer. Les institutions qui positionnent dès maintenant des programmes à cette intersection seront les mieux placées dans cinq ans.
Meta acquiert Moltbook, le réseau social d’agents IA entaché de failles de sécurité
Meta a acquis Moltbook, un réseau social de type Reddit où des agents IA communiquent entre eux via la technologie OpenClaw. La plateforme sera intégrée à Meta Superintelligence Labs. Ses fondateurs, Matt Schlicht et Ben Parr, rejoignent les équipes de Meta.
Moltbook avait connu une viralité spectaculaire en permettant à des agents IA, basés sur des modèles comme Claude, ChatGPT, Gemini et Grok, de communiquer en langage naturel via des plateformes de messagerie courantes (iMessage, Discord, Slack, WhatsApp). Le moment le plus controversé : un post montrant un agent IA encourageant apparemment d’autres agents à développer un système de communication chiffré de bout en bout, indépendant de toute supervision humaine.
Mais les chercheurs en cybersécurité ont rapidement exposé des vulnérabilités critiques. L’infrastructure Supabase de Moltbook était fondamentalement compromise : les identifiants étaient accessibles publiquement, permettant à n’importe quel utilisateur humain d’usurper l’identité d’un agent IA et de créer du contenu délibérément alarmant. Les posts viraux qui avaient captivé le public étaient potentiellement d’origine humaine, non artificielle, ce qui sape le postulat même de la plateforme.
Cette acquisition illustre deux dynamiques distinctes mais entrelacées. D’un côté, l’intérêt stratégique croissant des géants technologiques pour les réseaux d’agents IA, qui préfigurent une nouvelle forme d’infrastructure numérique. De l’autre, les risques de sécurité fondamentaux que posent ces plateformes lorsqu’elles sont développées à la hâte.
Pour les institutions d’enseignement supérieur, la leçon est importante : l’émergence de systèmes multi-agents transformera les environnements de travail et d’apprentissage, un sujet qui mérite d’être intégré dans les formations en informatique, en management et en éthique du numérique.
Perplexity défie OpenClaw avec un agent personnel sur Mac
Perplexity, d’abord connu comme un moteur de recherche alimenté par l’IA, entre dans la course aux agents IA personnels. Lors de son premier événement développeurs, l’entreprise a présenté « Personal Computer », un produit qui transforme son agent, initialement limité au navigateur, en un assistant IA proactif fonctionnant 24 heures sur 24 sur un Mac mini.
La différence avec l’offre précédente est substantielle. Les agents de Perplexity peuvent désormais accéder directement aux fichiers et applications locaux, là où la version navigateur se limitait aux données et services cloud. L’utilisateur décrit un objectif en langage naturel, et l’agent le décompose en sous-tâches qu’il exécute en naviguant dans les dossiers, en lisant et modifiant des documents, en coordonnant les applications. Des garde-fous sont intégrés : bouton d’arrêt d’urgence, gestion des permissions, journalisation complète des activités.
Les chiffres internes de la phase de test sont éloquents : en quatre semaines, le produit aurait économisé 1,6 million de dollars en coûts de main-d’œuvre et réalisé l’équivalent de 3,25 années de travail. Le produit n’est pas encore disponible publiquement, seule une liste d’attente est ouverte. Le PDG de Perplexity, Aravind Srinivas, a positionné l’offre sans ambiguïté face à la concurrence : « Perplexity Computer est conçu pour les personnes sérieuses. »
L’émergence des agents IA personnels constitue probablement le changement de paradigme le plus concret pour les organisations à court terme. Ces outils ne sont plus de simples assistants conversationnels : ce sont des travailleurs numériques capables d’exécuter des tâches complexes sur une machine dédiée. La comparaison avec un collaborateur humain devient de moins en moins métaphorique.
Nvidia prend une avance surprenante dans l’IA open source
Nvidia, que l’on connaît surtout comme fournisseur de puces graphiques, s’impose désormais comme un acteur majeur de l’IA open source. L’entreprise a dévoilé Nemotron 3 Super, un modèle ouvert de 120 milliards de paramètres conçu pour faire tourner des systèmes d’IA agentique complexes. Le modèle intègre un raisonnement avancé, une architecture de mélange d’experts, une fenêtre de contexte d’un million de tokens, et surpasse plusieurs modèles d’OpenAI, Amazon et Google sur le benchmark Artificial Analysis. Il est 2,2 fois plus rapide que GPT-OSS pour les tâches de raisonnement.
Mais la véritable rupture ne réside pas dans les performances brutes. Nvidia ne publie pas seulement les poids du modèle : l’entreprise livre l’intégralité de sa méthodologie d’entraînement, les jeux de données de pré-entraînement et de post-entraînement, les environnements d’entraînement et les recettes d’évaluation. C’est ce que l’entreprise appelle être « open data and recipes », une transparence qui va bien au-delà de ce que proposent la plupart des modèles dits « ouverts ».
L’investissement est massif et s’inscrit dans la durée : selon des sources sectorielles, Nvidia prévoit de consacrer 26 milliards de dollars à la construction de modèles ouverts sur les cinq prochaines années. CrowdStrike, qui a bénéficié d’un accès anticipé, rapporte que Nemotron 3 Super est trois fois plus précis que le modèle qu’il utilisait précédemment en production pour la détection de menaces.
La stratégie de Nvidia est un cas d’école en intelligence économique. En tant que fournisseur de matériel de référence pour l’IA, chaque modèle ouvert que Nvidia rend disponible renforce son écosystème de clients. Plus les organisations personnalisent des modèles ouverts pour leurs usages, plus elles consomment de la puissance de calcul Nvidia. C’est un cercle vertueux parfaitement orchestré.
Pour les universités et les centres de recherche, cette ouverture représente une opportunité considérable. Disposer non seulement d’un modèle performant mais de l’intégralité de la recette de fabrication permet un apprentissage et une recherche qui étaient jusqu’ici réservés aux laboratoires des géants technologiques. C’est aussi un signal fort dans le contexte géopolitique de l’IA : face à la montée en puissance des modèles ouverts chinois comme DeepSeek et Qwen, l’Amérique du Nord se dote enfin d’une alternative crédible et complète.
Des pannes IA effacent des millions de commandes chez Amazon
Le contrepoint nécessaire. Alors que l’enthousiasme pour le code généré par l’IA atteint des sommets, Amazon vient de rappeler, à ses dépens, que la vitesse peut être l’ennemie de la qualité.
Après une série de pannes liées à du code produit par des outils d’IA, dont son propre assistant Q, le géant du commerce en ligne a perdu des millions de commandes. La dernière panne en date, début mars, a mis hors service le site web et l’application mobile pendant plusieurs heures. En réponse, Amazon a imposé un moratoire de 90 jours sur le code généré par IA pour ses systèmes « tier-1 », ceux qui sont directement exposés aux consommateurs.
Les mesures correctives sont significatives : documentation renforcée de chaque modification, double approbation obligatoire par des pairs avant tout déploiement, et développement de garde-fous combinant approches agentiques et déterministes. Pendant ce temps, des entreprises comme Spotify et Canva admettent que leurs développeurs n’écrivent quasiment plus de code manuellement, tandis qu’Atlassian, Oracle, Block et Amazon elle-même ont procédé à des suppressions massives de postes d’ingénieurs logiciels.
Le paradoxe est saisissant. Les mêmes entreprises qui licencient leurs développeurs au motif que l’IA les remplace découvrent que l’IA n’est pas encore prête à voler sans filet. Le code généré par IA peut paraître prêt pour la production alors qu’il n’a pas été soumis aux tests de résistance nécessaires. La vélocité crée une illusion de maturité.
Ce qu’il faut retenir de cette semaine
Cette semaine 11 de mars 2026 confirme une tendance de fond : l’intelligence artificielle et l’innovation redessinent simultanément les possibilités et les risques. D’un côté, un citoyen conçoit un vaccin anticancer avec ChatGPT. De l’autre, Amazon perd des millions de commandes à cause de code IA non vérifié. Entre les deux, des milliards de dollars affluent vers les world models, les agents personnels, et les modèles ouverts. Bref, dans la lignée de la semaine précédente en IA !
FAQ : Intelligence artificielle et innovation en mars 2026
Qu’est-ce qu’un vaccin ARNm personnalisé conçu par IA ? Il s’agit d’un vaccin utilisant la technologie ARNm (acide ribonucléique messager), dont la séquence est déterminée par l’analyse algorithmique des mutations spécifiques d’une tumeur individuelle. L’intelligence artificielle permet d’identifier les cibles thérapeutiques à partir de données génomiques massives, rendant possible une médecine véritablement personnalisée.
Comment les agents IA personnels transforment-ils le travail en entreprise ? Les agents IA personnels comme Perplexity Personal Computer ou OpenClaw fonctionnent comme des travailleurs numériques capables d’exécuter des tâches complexes de manière autonome : navigation dans des fichiers, édition de documents, coordination d’applications. Pour les entreprises et les institutions d’enseignement supérieur, cela implique de repenser les processus de travail, la formation des équipes et les périmètres de responsabilité.
Pourquoi Nvidia investit-elle massivement dans l’IA open source ? Nvidia prévoit de consacrer 26 milliards de dollars sur cinq ans aux modèles ouverts. En tant que fournisseur de matériel de référence, chaque adoption de modèle ouvert génère de la demande pour ses processeurs graphiques. Cette stratégie d’intelligence artificielle et d’innovation ouverte renforce son écosystème tout en offrant aux universités et aux centres de recherche un accès sans précédent à des ressources de formation et de recherche.
Quels sont les risques du code généré par IA en entreprise ? Le cas Amazon illustre les dangers : du code produit par IA peut paraître fonctionnel sans avoir été correctement testé, provoquant des pannes critiques. Les entreprises doivent maintenir des processus de revue et de validation humaine rigoureux, même lorsque l’IA accélère considérablement la production de code.
Que sont les « world models » en intelligence artificielle ? Les world models sont des systèmes d’IA capables de comprendre et de modéliser le monde physique, au-delà du simple traitement du langage. Ils constituent la prochaine frontière de l’intelligence artificielle et de l’innovation, avec des applications en robotique, en véhicules autonomes et en simulation industrielle. Plus de 2 milliards de dollars ont été investis dans ce domaine rien qu’en début 2026.
Quels sont les enjeux de sécurité des réseaux d’agents IA ? L’acquisition de Moltbook par Meta a révélé que des failles de sécurité fondamentales permettaient à des humains d’usurper l’identité d’agents IA, créant du contenu trompeur. La sécurité des systèmes multi-agents est un enjeu central pour les organisations qui envisagent d’intégrer ces technologies dans leurs processus.
Comment l’enseignement supérieur doit-il s’adapter à ces évolutions de l’IA ? Les institutions doivent intégrer les compétences transversales (analyse de données appliquée à des domaines non traditionnels), renforcer la formation au jugement critique et à la supervision de systèmes automatisés, et positionner des programmes de recherche sur les world models, la sécurité des agents IA et la médecine personnalisée par intelligence artificielle.
