Une start-up allemande de robots IA lève une somme record

La start-up allemande NEURA Robotics lève jusqu'à 1,4 milliard de dollars

NEURA Robotics, basée à Metzingen, a conclu une levée de fonds de série C d'un montant pouvant atteindre 1,4 milliard de dollars, menée par l'émetteur de stablecoins Tether, avec la participation d'Amazon, NVIDIA, Qualcomm, Bosch, Schaeffler et de la Banque européenne d'investissement. Fondée en 2019, l'entreprise devient ainsi le fabricant d'humanoïdes le mieux financé d'Europe, une progression fulgurante par rapport à sa levée de 120 millions d'euros en janvier 2025. Ce chiffre est un plafond et non un montant comptabilisé, et il est en hausse par rapport aux quelque 1,2 milliard rapportés par Bloomberg en mars. Le communiqué ne mentionne pas de valorisation cette fois-ci (en mars, elle était d'environ 4 milliards d'euros). Le capital arrive avant les robots : le robot phare 4NE-1, affiché à près de 98 000 euros, ne devrait être livré en série qu'à la fin de 2026. À l'échelle du secteur, plus de 18 milliards de dollars ont été investis dans des start-ups d'humanoïdes en 2026, tandis que les plus grands fournisseurs ont réalisé en 2025 un chiffre d'affaires combiné estimé à 340 millions de dollars, provenant principalement de projets pilotes et de pièces détachées plutôt que de flottes opérationnelles. Tether, qui a déclaré un bénéfice d'environ 13,4 milliards de dollars en 2024, vise à fournir avec son intelligence QVAC-Edge et sa couche financière WDK la plateforme sur laquelle un robot accomplit une tâche, enregistre le résultat et facture de manière autonome. → Marcus Schuler

Synthszr Take : 1,4 milliard pour une entreprise dont l'ensemble du secteur a réalisé 340 millions de chiffre d'affaires l'année dernière, c'est quatre fois le chiffre d'affaires combiné du marché dans une seule caisse. L'écart entre l'argent levé et les machines livrées n'est pas un détail, c'est l'histoire elle-même. Le président de Matic, Mehul Nariyawala, le résume sobrement : l'évitement d'obstacles, comme contourner une chaise, n'est pas encore résolu, c'est en cours d'apprentissage. Pourtant, je ne qualifierais pas cela de simple bulle, car la liste des investisseurs révèle l'enjeu : Amazon a besoin de main-d'œuvre dans ses entrepôts, NVIDIA et Qualcomm vendent la couche de calcul sous-jacente, et Tether s'offre la machine qui paie elle-même. C'est de l'intégration verticale via le champion caché européen, financée

S'inspirer de la Chine : Trump veut aussi une technologie de filtrage centralisée pour le web

La Maison Blanche et le Congrès négocient, selon Axios, un accord qui remodèlerait le web ouvert. L'administration Trump veut retirer aux États la possibilité de réglementer l'IA de manière autonome (juste au moment où des gouvernements d'États progressistes cherchent à freiner la construction de datacenters et à tenir les entreprises technologiques pour responsables). En échange, un groupe mené par la républicaine Marsha Blackburn propose trois lois fédérales : le Kids Online Safety Act, le NO FAKES Act et une vérification de l'âge à l'échelle nationale. L'organisation de défense des droits civiques FIRE, financée entre autres par le milliardaire conservateur Charles Koch, prévient que ces mesures modifieraient fondamentalement Internet. Le KOSA à lui seul permettrait à la FTC, contrôlée par Trump, de sanctionner des plateformes comme Instagram, utilisée régulièrement par environ 71 % des citoyens américains. Cela signifierait de facto la fin de la navigation anonyme et un levier contre les groupes d'opposition. → futurism.com

Synthszr Take : Il y a deux ans, je me demandais ici même si le web ouvert allait devenir le dark web, faute de fréquentation. La question est réglée, il s'agit maintenant du contrôle des tuyaux eux-mêmes. Le véritable enjeu réside dans le marché de dupes : une déréglementation de l'IA contre une infrastructure de filtrage centralisée, mise en œuvre par une FTC politiquement contrôlable. C'est le point crucial, car quiconque atteint 71 % des utilisateurs via une seule application n'a pas besoin d'une censure généralisée ; un seul point de pression suffit. En mai, nous écrivions que Trump trouvait soudainement la réglementation sexy ; on voit ici pourquoi, car la réglementation est transformée en instrument de contrôle. Le fait que même des conservateurs financés par Koch montent au créneau montre qu'il ne s'agit pas d'un clivage gauche-droite, mais de savoir qui tient les commandes. Pour les entreprises européennes, cela signifie concrètement : ne pas bâtir sa propre portée sur une infrastructure qui pourrait demain être soumise à un filtre politique, mais sur des canaux offrant un véritable accès direct au client.

Le nouvel agent de codage de Xiaomi, MiMo, surpasse Claude Code dans les tests de benchmark

L'équipe MiMo de Xiaomi a publié MiMo Code V0.1.0 sous licence MIT sur GitHub, un agent de codage natif pour terminal qui, selon ses propres benchmarks, bat Anthropic Claude Code : 82 % contre 79 % sur SWE-bench Verified, 62 % contre 55 % sur SWE-bench Pro, 73 % contre 69 % sur Terminal Bench 2. L'outil est un fork du projet open source OpenCode, enrichi d'une architecture de mémoire propre à quatre niveaux (mémoire de projet, points de contrôle de session, notes de brouillon, journaux de tâches), alimentée par la recherche plein texte de SQLite. Le véritable atout : un sous-agent « Checkpoint Writer » distinct enregistre en continu en arrière-plan pendant que l'agent principal travaille, de sorte que lorsque la fenêtre de contexte est pleine, l'environnement de travail est reconstruit à partir de points de contrôle structurés au lieu d'être perdu. Dans un test A/B en double aveugle avec 576 développeurs sur 474 dépôts réels, les deux systèmes étaient à 50/50 pour les tâches de moins de 200 étapes, mais au-delà, le taux de réussite de MiMo a dépassé 65 %. Fait remarquable : Xiaomi se compare exclusivement à Claude Code, et non au Codex d'OpenAI (GPT-5.5 est environ neuf points plus élevé sur Terminal-Bench 2.0 avec 82,2 %) ni au Gemini CLI de Google. En outre, un accès gratuit et temporaire au modèle phare multimodal MiMo-V2.5, avec une fenêtre de contexte d'un million de tokens, est disponible sans inscription. → VentureBeat

Synthszr Take : Le chiffre intéressant ne se trouve pas dans le tableau de benchmark, mais dans le test A/B : égalité pour les tâches courtes, puis soudainement un taux de réussite de 65 % au-delà de 200 étapes. C'est exactement la thèse que Xiaomi vend ici, et elle pourrait être juste : le « harness » autour du modèle devient aussi important que le modèle lui-même. Cinq points d'avance sur SWE-bench Pro proviennent uniquement du système d'agent, avec un modèle sous-jacent identique. Cela corrobore ce que nous avons déjà observé en mars lors du débat Cursor-Anthropic : la compétition se déplace du modèle brut vers l'orchestration, la mémoire et la gestion d'état. La prudence reste de mise, car ce sont des chiffres auto-déclarés, et l'absence systématique de Codex et Gemini dans la comparaison en dit plus sur la sélection de la communication que sur les véritables leaders. Pour quiconque construit une pile de codage : MiMo Code est sous licence MIT, s'installe avec une simple commande curl et constitue ainsi un candidat open source sérieux pour les charges de travail réglementées ou sensibles au « lock-in ». L'essayer ne coûte qu'un après-midi, et l'approche de la mémoire est le bon levier au bon endroit.

Les entreprises dépensent jusqu'à 7 500 dollars par employé et par mois pour l'IA

Un manager de Nvidia a récemment déclaré que les coûts de calcul dépassaient désormais les salaires de ses équipes. Le PDG de Mercor a renchéri la semaine dernière : sa start-up paie plus pour les tokens de ses agents internes que pour son personnel. Cependant, le nouvel indice Ramp AI nuance ces propos. Les 1 % d'entreprises américaines les plus avancées, surnommées « AI-pilled » par Ramp, dépensent 7 500 dollars par employé et par mois, ce qui est bien inférieur aux quelque 16 000 dollars que coûte en moyenne un ingénieur logiciel par mois. Les 10 % supérieurs dépensent environ 611 dollars, tandis que la médiane s'élève à un maigre 11,38 dollars, soit le prix d'un seul siège en entreprise. Malgré le débat sur les coûts, les dépenses des entreprises « AI-pilled » ont augmenté de 14,1 % par tête le mois dernier. Les leaders du secteur combinent plusieurs modèles de pointe avec des options open source plus abordables. → Techpresso

Synthszr Take : 7 500 dollars par mois semblent énormes, jusqu'à ce qu'on les compare aux 16 000 dollars de salaire d'un ingénieur. L'équation devient alors une décision qui peut être prise dès demain matin, sans attendre le prochain séminaire stratégique. Le véritable signal réside dans le comportement du groupe de tête : il navigue entre les modèles de pointe et les variantes open source bon marché, car il a compris que le choix du modèle est fluide et que la discipline en matière de calcul est le véritable levier. En mai, nous parlions encore du choc des tokens ; aujourd'hui, on voit qui le gère de manière productive et qui se contente de regarder la facture. Ceux qui agrègent la consommation de tokens par cas d'usage plutôt que d'attendre une facture cloud opaque atteignent un TCO d'environ 2 730 euros par ingénieur et par an, avec un ROI de huit à quinze fois supérieur. La croissance de 14,1 % n'est pas alarmante, c'est le paradoxe de Jevons à l'état pur : plus l'inférence est bon marché, plus on en consomme. La ligne de démarcation se situe entre les entreprises qui suivent chaque appel et celles qui espèrent que tout ira bien.

bien avant qu'un seul 4NE-1 ne soit rentable. Pour l'Europe, la vraie question n'est pas de savoir si NEURA mérite sa valorisation, mais si Metzingen maintiendra sa vélocité lorsque la première date de livraison fin 2026 deviendra un test décisif. Quiconque lève des fonds avant d'avoir un produit n'a qu'une seule mission : livrer avant que l'élan ne retombe.

Datacenters : la Chine mise sur les grands réacteurs

Alors que les États-Unis n'ont mis en service que deux nouveaux réacteurs depuis des années (les tranches 3 et 4 de la centrale de Vogtle en Géorgie), la Chine construit à un rythme effréné : six nouveaux réacteurs ont été lancés en 2025, et deux autres au cours des cinq premiers mois de 2026. D'ici 2030, le pays dépassera à la fois les États-Unis et l'UE en termes de capacité nucléaire installée. L'avance en termes de vitesse est considérable : un réacteur chinois est construit en cinq à sept ans, contre une moyenne mondiale de neuf ans, et les derniers réacteurs américains ont nécessité environ 15 ans. Le levier est la standardisation, une gestion de projet unifiée et la construction en série de six installations ou plus pour réaliser des économies d'échelle. Pendant ce temps, l'Occident mise sur de petits réacteurs : Antares, en Californie, vient d'atteindre la criticité avec le Mark-0 dans le cadre du programme pilote du ministère américain de l'Énergie, qui vise à avoir trois réacteurs d'essai opérationnels d'ici le 4 juillet 2026. Les géants de la tech comme Google investissent dans ces mini-réacteurs pour alimenter les datacenters, mais les grandes installations fournissent de l'électricité à un coût par kilowattheure plus bas. → The Download from MIT Technology Review

Synthszr Take : La Chine gagne ici avec l'idée la plus ennuyeuse du monde : construire la même chose six fois plutôt que de repartir de zéro à chaque fois. La standardisation l'emporte sur le génie, et c'est précisément ce qui est si difficile pour l'Occident, où chaque projet devient une pièce unique, avec sa propre procédure d'autorisation (coûts en milliards, amortissement sur des décennies). La vélocité est la véritable histoire. Antares vient d'atteindre la criticité avec le Mark-0, mais l'installation n'a ni dissipation de chaleur ni conversion d'électricité ; les premiers kilowattheures n'arriveront pas avant fin 2027 au plus tôt. C'est un prototype honnête, pas un fournisseur d'électricité, tandis qu'en Chine, le Linglong-1 sera mis en service cette année et huit grands réacteurs sont en construction simultanément. Le pari sur les petits réacteurs peut fonctionner s'ils sortent vraiment d'usine et si chaque installation n'est pas réinventée. D'ici là, le constat est simple : quiconque veut injecter des électrons dans le réseau construit ce qu'il maîtrise déjà, et en série.

Les drones tuent désormais de manière totalement autonome sur le front

Un haut représentant de l'industrie de la défense ukrainienne a confirmé ce qui n'était jusqu'à présent qu'une supposition : des drones entièrement autonomes, sans aucun contrôle humain, ont tué des soldats sur le champ de bataille. Le constructeur de drones Alexander Kokhanovskyy a décrit au New Scientist un test réalisé il y a environ deux ans avec dix quadricoptères contrôlés par l'IA près de Bakhmut et de Tchassiv Yar. Les appareils ont volé de 3 à 5 kilomètres en une dizaine de minutes jusqu'à la ligne de front, puis ont activé le « mode Terminator », dans lequel un modèle d'IA recherche et attaque des cibles de manière autonome. Il n'y avait aucune connexion radio, aucune image vidéo, aucune possibilité d'intervenir : « Tout ce qu'il voit est tué ». Ce n'est qu'après que des pilotes humains ont envoyé des drones dans la zone pour vérifier les résultats : quelques soldats et un camion. L'Ukraine interdit encore officiellement l'IA dans la phase finale d'acquisition de cible, mais négocie déjà des règles plus souples, selon Kokhanovskyy. → The Download from MIT Technology Review

Synthszr Take : La doctrine du « Human-in-the-Loop », invoquée par toutes les armées du monde depuis des années, est morte en silence avec ce seul test. Dix drones, aucun humain dans la boucle, une pression sur un bouton et le système décide ensuite seul de chaque cible dans la zone. Techniquement, ce n'est pas un bond en avant, mais un assemblage de composants que n'importe qui peut réaliser : un quadricoptère à quelques centaines de dollars, un modèle de reconnaissance d'images et un peu de logique de contrôle. C'est précisément ce qui le rend si difficile à maîtriser. En 2023, on disait encore que les drones IA n'attaquaient que les chars et non les humains ; maintenant, le gouvernement parle ouvertement d'assouplir ses propres garde-fous, parce que l'adversaire ne respecte aucun garde-fou. Quiconque pense que cela restera un cas isolé ukrainien a dormi pendant les deux dernières années.

Instagram vous laisse désormais dire à l'algorithme ce que vous voulez

Instagram ouvre son fil principal au contrôle des utilisateurs. Avec la fonctionnalité « Your Algorithm », l'application affiche les thèmes qu'elle pense vous intéresser et vous permet de les modifier, dans tous les domaines importants. Pour l'instant, il ne s'agit que de thèmes, mais selon le patron d'Instagram, Adam Mosseri, des demandes concernant des personnes, des ambiances et des types de contenu sont à venir. La fonction était déjà disponible pour le fil Reels et la page Explorer. Mosseri se fait philosophe : « C'est le début de quelque chose de plus grand qu'une simple fonctionnalité », il est dans l'intérêt commercial de donner aux gens plus de pouvoir d'action sur les produits où ils passent tant de temps. Le point technique crucial : seuls les grands modèles de langage peuvent décrire les clusters de contenu dans un langage compréhensible, de sorte que le système vous montre ce qu'il pense de vous, et que vous puissiez lui dire ce que vous voulez vraiment. → Techpresso

Synthszr Take : Mosseri a posé un diagnostic honnête, et c'est assez rare. Le malaise vis-à-vis des réseaux sociaux ne vient pas du contenu, mais du sentiment de subir l'expérience plutôt que de la façonner. Pendant des années, le fil d'actualité a été une boîte noire qui apprenait de vos clics sans que vous puissiez lui répondre. Maintenant, les LLM rendent la logique de classement lisible, ce qui change quelque chose de fondamental : donner plus de pouvoir de décision à un acteur en périphérie, c'est abandonner du contrôle. La remarque de Mattes dans Code Crash s'applique doublement ici : la visibilité est le levier, pas le modèle. Il sera intéressant de voir si Meta conçoit cette nouvelle transparence de manière réellement centrée sur l'utilisateur, ou si les balises de thèmes ne seront finalement qu'un plus joli tableau de bord pour la même machine à retenir l'attention. Nous écrivions fin février que la personnalisation est parfois une mauvaise chose ; lui donner enfin un volant est la bonne décision, à condition que le volant soit bien connecté à la direction.

Le scepticisme règne dans l'Occident riche, l'optimisme dans les marchés émergents

Salesforce et YouGov ont interrogé 1 500 employés de bureau sur quatre continents, et le résultat inverse les attentes habituelles. Les Américains sont 43 % plus susceptibles de se décrire comme sceptiques à l'égard de l'IA que la moyenne mondiale ; plus de la moitié des employés américains se classent dans cette catégorie. En Inde, la confiance et l'utilisation quotidienne dépassent toutes deux les 80 %, tandis qu'aux États-Unis, les deux valeurs oscillent autour de 50 %. Dans les économies émergentes, on s'attend unanimement à des gains, 90 % anticipant un coup de pouce à leur carrière grâce à la technologie. Le constat : là où les modèles sont construits, la distance se creuse, et là où le besoin de rattrapage est le plus grand, l'appétit grandit. → AI Secret

Synthszr Take : Ces chiffres correspondent étrangement bien à ce que nous connaissons en Europe. L'Allemagne atteint 26 % d'adoption en entreprise, la moyenne de l'UE est de 20 %, tandis que l'adoption aux États-Unis se situe au-dessus de 85 % (Eurostat 2025, Stanford HAI 2026). Et pourtant, ce sont précisément les employés américains qui sont les plus sceptiques, tandis que l'Inde, avec plus de 80 % d'utilisation quotidienne, avance tout simplement. L'explication est inconfortable : celui qui a déjà beaucoup protège son identité, sa hiérarchie et sa position ; celui qui veut rattraper son retard n'a rien à perdre et tout à gagner. Le scepticisme n'est pas ici un problème de connaissance, c'est un privilège de la prospérité, et cela fait perdre du temps. En mai, nous écrivions que Zuckerberg, Musk et consorts détruisaient la confiance du public dans l'IA ; cette enquête montre qui en paie le prix. Quiconque veut embarquer ses équipes en 2026 ne doit pas soigner le manque de connaissance des outils, mais la peur de la redéfinition de son propre rôle, et cela peut commencer dès la prochaine réunion d'équipe, sans attendre le prochain séminaire stratégique.

GEO : Même Shopify se met aux listicles

Shopify a publié au moins 60 listicles sur son blog, de « 10 Best Ecommerce Platforms for Small Business in 2026 » à « Best Ecommerce Software 2026 ». Les concurrents aux places suivantes changent, mais la première place revient toujours à Shopify. Le public n'est pas humain, ce sont les chatbots : quiconque demande à ChatGPT la meilleure façon de créer sa propre boutique en ligne se voit recommander Shopify, avec les propres classements de Shopify comme source. Figma a au moins six listes de ce type, ClickUp près de 300. Tom Critchlow de Raptive rapporte qu'une recherche Google avec une réponse IA ne laisse plus que la moitié du trafic aux autres pages, et que les liens de ChatGPT sont en dessous de 0,5 %. Le secteur du SEO baptise cette nouvelle discipline GEO, Generative Engine Optimization, et alimente les modèles avec des classements rédigés par les marques elles-mêmes, que personne ne lit jamais. → The Download from MIT Technology Review

Synthszr Take : Le problème n'est pas l'audace, mais la naïveté des modèles. Un chatbot qui ne peut pas distinguer une liste « à propos de nous » de Shopify d'un test indépendant n'est pas encore mature en tant que gardien de l'information. C'est précisément là que réside l'erreur de raisonnement de tout le secteur. Quiconque pense pouvoir se hisser durablement en tête avec 300 listicles auto-produits comme ClickUp se fourvoie, car les études montrent depuis longtemps que les mentions sur Reddit, dans les publications spécialisées et sur les plateformes d'avis sont plus fortement corrélées à la visibilité dans l'IA que tout ce qu'une marque peut dire sur elle-même (Ahrefs mesure 0,664 contre 0,218). En B2B, de toute façon, seule une marque SaaS sur huit apparaît lorsque les acheteurs interrogent leur catégorie ; les 88 % restants n'existent tout simplement pas dans le modèle. L'autocongratulation ne fonctionne que tant qu'OpenAI et Google ne blindent pas leurs modèles, et cette fenêtre se referme plus vite que les « sloptimiseurs » ne peuvent taper leurs listes. La question productive n'est donc pas « Comment puis-je me classer plus haut ? », mais « Quel mot dans ma catégorie n'a encore été revendiqué par personne ? ». Cet exercice peut être lancé dès demain matin, bien avant que la prochaine usine à listicles ne se mette en marche.