Veille IA semaine 39 : les agents sortent du chatbot, les prix chutent

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.

Thélyson Orélien et l’IA : peut-on prouver qu’un texte est écrit par une IA ?

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.

Pix 2025 : 98,75 % de certifiés, c’est fort ! Mais des compétences numériques inégales…

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.

Veille IA semaine 38 : accélérer ou ralentir devient un choix stratégique

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…

Machine economy : les agents IA condamnent-ils la facturation au temps ?4 questions fortes à traiter !

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 !

Veille IA semaine 37 : la confiance devient une infrastructure ?

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 : la bataille se confirme dans l’infrastructure

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.

IA et emploi à la rentrée 2026 : le chiffre unique est un piège

IA et emploi à la rentrée 2026… vaste sujet ! Fin août, le Financial Times a raconté une scène qui dit beaucoup de la rentrée 2026 : EY, KPMG et le Boston Consulting Group rappellent leurs consultants juniors plus souvent au bureau, non pour surveiller le télétravail, mais parce que l’IA absorbe désormais le travail technique qui les faisait exister. La lecture facile serait d’y voir la preuve que « l’IA détruit l’emploi des débutants ». La lecture inverse, tout aussi facile, serait d’y voir la preuve que « l’IA valorise enfin les compétences humaines ».

Les deux se trompent pour la même raison : elles cherchent un chiffre unique là où il n’y en a pas.

Je vais montrer ici pourquoi l’impact de l’IA sur l’emploi ne se lit pas comme un bloc, mais par secteur, par niveau d’ancienneté et surtout par la divergence entre organisations. Trois rapports de 2026 le prouvent en se contredisant en apparence. Et le récit monolithique que portent parfois les communications d’OpenAI et d’Anthropic, celui d’une transformation uniforme et inéluctable, est justement ce qui empêche de voir le vrai phénomène à mon sens : une polarisation.

IA spécialisée en entreprise : weekly semaine 35, la performance a cédé la place à l’intégration

On parle de « course à l’IA » depuis des mois. L’image rassure. Elle est fausse.

Une course suppose une ligne droite. Des concurrents alignés. Un seul vainqueur. La semaine du 22 au 29 août 2026 a dynamité cette lecture je trouve.

Ce que nous observons n’est pas une course. C’est une explosion de stratégies. Des modèles chinois à 2 800 milliards de paramètres ouverts à tous. Un laboratoire américain qui devient rentable et verrouille son compute. Un fonds souverain saoudien qui s’allie à Mistral. Londres qui légifère sur le clonage de voix. Des GPU Nvidia qui repassent en Chine sous licence. Et des modèles pré-paramétrés livrés au droit et à la finance.

Le vrai enjeu réside dans trois choses : qui contrôle l’infrastructure, comment les modèles s’intègrent aux métiers, et si la régulation suit ou freine.

C’est le tournant de l’IA spécialisée en entreprise. Décryptage pour les décideurs, comme chaque semaine, avec un passage en revue désormais systématique des zones : Europe, Chine et Etats-Unis.

IA et apprentissage : ce que l’étude chinoise prouve, et ce qu’elle rate en 6 points

L’étude la plus commentée du moment sur IA et apprentissage vient de Chine. Dans un working paper intitulé The Generative AI Learning Penalty: Evidence from Chinese Secondary Education daté de juin 2026 et posté sur SSRN en juillet, David Strömberg (Université de Stockholm), Victor Lei et Yanhui Wu (Université de Hong Kong) suivent 26 811 collégiens et lycéens pendant 30 mois. Six mois après l’adoption d’une IA générative, les notes de devoirs bondissent de 18 %, le temps de travail chute de 64 à 45 minutes, et les scores aux examens sur table s’effondrent de 20 %.

Le graphique repris par The Economist a fait le tour des réseaux (mon image d’illustration reprise ci-dessous), souvent résumé en une phrase : l’IA rend les élèves moins bons. Ce n’est pas ce que l’étude démontre. Et ce que le graphique fait croire n’est pas exactement ce que le papier mesure !