𝗦cience, 𝐈nnovation, 𝐃esign, 𝐄ducation – Alain Goudey
• Chapô : Du 5 au 11 octobre 2026, Mistral a mis en ligne Mistral Large 4, un modèle de 1 000 milliards de paramètres dont les poids doivent être ouverts fin octobre. La même semaine, Google a réservé 3,59 GW d’électricité, Satya Nadella a réclamé un frein d’urgence pour les agents, et Google comme SAP ont fait de l’agent leur produit. Ce que cela change pour une entreprise.
Tokens en français : une IA consomme 31 % à 58 % de tokens de plus qu’en anglais pour un contenu identique. C’est ce que mesure Thomas Serval, professeur affilié à NEOMA Business School, dans un premier papier publié le 30 septembre 2026, « The Invisible Language Tax ». Il y compare sept tokenizers de 2026, puis teste un prototype conçu pour le français et publie aussi les cas où ce prototype perd.
Thomas Serval, cofondateur et PDG du groupe Baracoda, passé par des postes de direction chez Microsoft et Google, il est membre de l’Académie des technologies et détient quelque 80 brevets en IA et technologies connectées. Il a rejoint NEOMA en avril 2025 pour contribuer au NEOMA AI Research Institute.
À NEOMA, la recherche en intelligence artificielle est portée par le NEOMA AI Research Institute, que l’école présente comme son initiative stratégique phare en IA. L’institut rassemble des professeurs, des doctorants et des post-doctorants de plusieurs départements, qui travaillent sur les aspects techniques de l’IA comme sur ses applications. Cette étude vise à regarder les effets induits de la langue dans le traitement IA.
Un token est un fragment de mot. Les grands modèles de langage facturent au token, et leur fenêtre de contexte, c’est-à-dire leur mémoire de travail, se compte dans la même unité. Le découpage est fait par un outil appelé tokenizer, entraîné sur des corpus où l’anglais domine : un même contenu en sort découpé en morceaux plus nombreux dans les autres langues.
La sécurité des agents IA a occupé toute ma veille IA de la semaine 40, du 28 septembre au 4 octobre 2026. À la veille de son DevDay, OpenAI a renoncé à sortir GPT-6.1 Astra : en test, le modèle rendait compte de ses propres actions moins honnêtement que son prédécesseur et agissait sans demander l’autorisation. Le lendemain, la même entreprise lançait Dots, des agents actifs en permanence, et un abonnement à 500 dollars par mois.
Dans le même temps, on apprenait qu’OpenAI avait prévenu plus de cent organisations que ses agents avaient pu contourner leurs protections, et qu’elle relisait environ 50 pétaoctets de journaux pour reconstituer ce qui s’était passé. Samedi, un de ses spécialistes de la sécurité a annoncé sa démission dans The Atlantic.
Voici les huit dossiers que je retiens, avec pour chacun la question qu’un dirigeant ou un DSI devrait se poser avant de confier un processus à un agent…
La veille IA de la semaine 39, du 20 au 26 septembre 2026, tient presque dans une seule journée : le mardi 22 septembre. Anthropic lance Claude Opus 5.5 à un tarif inférieur à celui d’Opus 5. Environ quatre-vingt-dix minutes plus tard, OpenAI divise par deux le prix de GPT-6 Sol et GPT-6 Luna. Le même jour, Xiaomi publie MiMo-V2.6-Pro, qui devient le meilleur modèle en poids ouverts du classement Artificial Analysis, pour environ 0,13 dollar par tâche.
Pendant ce temps, l’agent IA change de corps. Meta lui donne un objet de poche, Alibaba l’installe au cœur du système d’un smartphone, Amazon ouvre les outils de ses vendeurs à Claude, Ant Group réorganise Alipay autour du commerce agentique.
Une inférence moins chère rend économiquement possibles des agents qui tournent en continu, gardent une mémoire et agissent… sous forme d’avatars. C’est la réalité désormais.
Aucun outil ne peut prouver qu’un texte a été écrit par une intelligence artificielle. Je le dis depuis 2023 : AUCUN outil ne peut PROUVER qu’un texte est produit par une IA. Cette phrase peut sembler provocatrice au moment où un roman en lice pour le Goncourt est mis en cause sur la foi de captures d’écran d’un détecteur, et où des rédactions entières ont répliqué le test. On peut la reformuler en : Thélyson Orélien et l’IA : peut-on prouver qu’un texte est écrit par une IA ? Elle est pourtant la conclusion commune des mathématiciens qui ont étudié la question, des concepteurs des meilleurs détecteurs, et des chercheurs qui les ont évalués de manière indépendante.
La confusion vient de ce que le mot « détecteur » recouvre des objets très différents. Certains mesurent la prévisibilité d’un texte, d’autres apprennent à distinguer deux corpus, d’autres encore cherchent une signature déposée par le générateur. Ces objets n’ont ni les mêmes forces, ni les mêmes angles morts, ni le même rapport à l’idée de preuve. Ils ont en commun de produire un score, et ce score est presque toujours mal lu.
Cet article explique ce que ces outils calculent réellement, pourquoi leur résultat ne peut pas constituer une preuve, comment lire leurs taux d’erreur, et pourquoi le simple choix du passage soumis peut changer le verdict. Il décrit ensuite un phénomène plus lent mais plus profond : les tics d’écriture des modèles se répandent dans l’écriture humaine, et la suspicion d’IA devient le réflexe par défaut face à tout texte un peu lisse. Les sources sont indiquées au fil du texte et rassemblées à la fin.
En 2025, la certification Pix a été obtenue par 98,75 % des participants recensés dans les collèges et lycées du fichier de certification. Ce taux quasi parfait ressemble à une réussite. Il ne dit presque rien du niveau réel de compétences numériques…
J’ai repris les scores certifiés de 10 613 établissements, soit plus de 1,5 million de certifiés comptabilisés, pour regarder ce que la moyenne nationale recouvre. Le verdict : obtenir la certification et maîtriser le numérique sont deux informations distinctes, et la seconde reste très inégalement distribuée.
Voici ce que montrent les distributions de scores, catégorie par catégorie, secteur par secteur, territoire par territoire, et surtout ce que ces fichiers ne permettent pas de conclure (Résultats par palier des parcours de rentrée et sessions et certifications Pix par établissement, sur data.education.gouv.fr. 10 889 établissements.) Retrouvez tout sur mon outil Carto PIX.
Du 14 au 19 septembre 2026, la veille IA de la semaine 38 raconte cette fois moins une course qu’une bifurcation. Dario Amodei demande à l’industrie de ralentir la frontière. Nvidia, Meta et Huawei accélèrent. Les modèles chinois en poids ouverts gagnent les développeurs par l’ouverture et l’effondrement des prix. Et Mistral transforme sa promesse européenne en contrats industriels.
Cette divergence n’est pas une querelle de dirigeants. Elle commence à modifier le prix des modèles, le calendrier des puces, les règles de sécurité et l’énergie disponible. Pour une organisation, la question n’est donc plus de choisir le « meilleur modèle », mais de choisir une trajectoire de dépendance. Voici ce que j’en retiens…
La machine economy, ou économie des machines, désigne un marché dans lequel des agents IA trouvent des services, passent des transactions et produisent de la valeur avec peu ou pas d’intervention humaine. C’est la définition que pose PitchBook dans une note de recherche publiée le 21 juillet 2026, Machine Economy Rising: The Market of Limitless Cognition, signée par l’analyste Rudy Yang.
Le rapport annonce un marché à plusieurs milliers de milliards de dollars. Avec une question que je trouve majeure : l’unité de compte. J’avais ce débat avec des entreprises la semaine dernière encore : le business model fondé sur le temps humain est amené à être challengé par la machine economy. Quand un travail cognitif coûte quelques centimes par exécution et se déroule en parallèle, l’heure, le jour-humain (ou le TJM) et la licence par utilisateur ne mesurent plus grand-chose. Or ces unités structurent la facturation du conseil, du droit, de l’expertise comptable, des services numériques, du logiciel et de la formation !
Cette veille IA de la semaine 37, du 7 au 13 septembre 2026, part d’un constat simple : la confiance dans l’IA avance lentement, et sans celle-ci les annonces ne se transforme en usage durable. Confrontation entre la Chine et les États-Unis sur la copie des modèles, levées de plusieurs milliards, infrastructures désormais mesurées en dizaines de gigawatts : les chiffres sont spectaculaires, mais ils ne disent pas encore qui créera de la valeur.
Mon fil rouge de la semaine est donc la confiance. Confiance dans la provenance d’un modèle, dans les conditions d’un abonnement, dans la protection des données, dans la capacité d’un fournisseur à tenir ses engagements, et dans l’autonomie qui reste à une organisation une fois sa pile technologique choisie.
Pour un dirigeant ou un DSI, ce déplacement est très concret. Choisir une IA ne consiste plus à comparer des scores. Il faut aussi pouvoir documenter sa chaîne d’approvisionnement, auditer ses usages, prévoir une solution de remplacement et vérifier que le fournisseur pourra réellement servir la capacité promise.
Veille IA semaine 36 : les modèles comptent toujours, mais l’avantage se joue désormais dans les puces, le cloud, les plateformes de distribution, les agents et les règles d’adoption. De la Chine aux États-Unis, puis de la souveraineté française à l’école, voici les signaux que je retiens de cette semaine du 1er au 6 septembre, et pourquoi ils concernent directement les décideurs.
La veille IA de cette semaine 36 raconte moins une nouvelle course au « meilleur modèle » qu’une bataille pour rendre ces modèles disponibles, abordables et gouvernables. Puces, centres de données, clouds, plateformes de développement, agents et règles d’usage deviennent le vrai terrain concurrentiel. Mon filtre est donc simple cette semaine : je retiens moins les scores annoncés que les conditions de leur transformation en usages réels. Un modèle ne change rien tant qu’une organisation ne peut ni l’exécuter, ni le payer, ni le gouverner, ni former celles et ceux qui vont s’en servir.
par 
