De plus en plus de sites web deviennent une zone d’exclusion pour les agents

Yelp, Delta, JPMorgan, Citi et Bank of America : encore plus de sites web bloquent les agents

Plusieurs grands sites web américains bloquent actuellement les agents d’IA autonomes chargés d’effectuer des tâches pour le compte des utilisateurs. Yelp a déclaré n’autoriser que les agents qui paient pour son propre programme de licence de données, tandis que Delta Air Lines empêche la réservation de billets par des agents. JPMorgan Chase et Charles Schwab ont confirmé bloquer l’accès des agents aux comptes clients pour des raisons de sécurité. Au cours des dernières semaines, des utilisateurs ont signalé des blocages sur Muse de Meta, Grok de xAI, Dots d’OpenAI et l'agent d’Instinct ; Cars.com et Amtrak ont également cessé de fonctionner pour certains, ce qui suggère des blocages discrets de la part d’autres fournisseurs. Même sans interdiction explicite, les agents se heurtent régulièrement aux systèmes anti-bot.

Le précédent a été créé l’année dernière par Amazon avec le blocage de l'agent d’achat de Perplexity et la plainte qui a suivi. Amazon a fait valoir avoir demandé à plusieurs reprises à Perplexity de cesser ses activités, et que les tiers effectuant des achats pour le compte de clients devaient agir de manière transparente et respecter la décision du fournisseur de services. Perplexity a rétorqué qu’Amazon craignait simplement une diminution du nombre de regards humains sur ses publicités, comparant son propre agent à une extension de l’utilisateur. Un tribunal a d’abord interdit à Perplexity d’effectuer des achats sur Amazon, mais une cour d’appel a annulé la décision en août, suite à quoi Amazon a déposé une plainte modifiée.

Muse de Meta a récemment reçu le même message d’Amazon : la poursuite de l’accès viole les conditions d’utilisation du site. Elon Musk a commenté les blocages en suggérant qu’il devrait peut-être créer un concurrent d’Amazon. Dans un communiqué, Meta a déclaré que refuser un agent personnel revenait à refuser le client derrière lui, et mise sur des partenariats avec Walmart, Gap, Sephora et Best Buy plutôt que sur la confrontation ; Shopify a également ouvert son réseau de boutiques aux agents. Chris Canal, PDG de la société d’audit EquiStamp, a déclaré que les blocages nuisaient à l’utilité perçue des fournisseurs, car les agents pouvaient accomplir moins de tâches que promis. OpenAI et Google n’ont pas répondu aux demandes de commentaires, et Instinct a refusé de commenter. → The Block, The Verge, Wall Street Journal

Synthszr Take : La formulation de Dimon sur le « liability transfer » est le véritable cœur du blocage : dès qu’un agent se connecte avec vos identifiants, la banque voit un client ordinaire et peut, en cas de dommage, se retrancher derrière les conditions d’utilisation. Avec les paiements en temps réel via Zelle, l’argent est parti, et il n’existe à ce jour aucune règle définissant qui doit rembourser un virement initié par un agent tiers. Chez Wachovia, 20 % des plaintes au centre d’appels provenaient du trafic de scraping, et il s’agissait de systèmes qui ne faisaient que lire ; les agents, eux, agissent.

Anthropic fait rédiger par des avocats des règles de négociation pour les agents Claude

Anthropic collabore avec des cabinets d’avocats pour élaborer des normes sur la manière dont les agents d’IA peuvent négocier au nom des utilisateurs. Selon le Financial Times, il s’agit d’agents qui négocient des prix, traitent des réclamations ou renégocient des offres contractuelles. Dans ses propres expériences, l’entreprise a montré que les modèles plus performants obtiennent systématiquement de meilleurs accords, ce qui pourrait accentuer les inégalités sociales. Pour ce faire, l’entreprise recrute déjà des Conceptual Reasoning Fellows, spécifiquement des juristes, qui testeront Claude pendant quatre mois sur des questions sujettes à jugement relevant du droit, de la philosophie, des sciences cognitives, de l’économie et des sciences politiques. La rémunération se situe entre 100 000 et 167 000 dollars.

Le contexte est que les agents autonomes se heurtent à de plus en plus de portes closes sur le web ouvert. Les utilisateurs de Muse de Meta, Grok de xAI, Dots d’OpenAI et Instinct signalent des blocages sur de grands sites web. Yelp n’autorise que les agents qui paient pour son programme de licence de données, Delta Air Lines empêche la réservation de billets par des agents, et JPMorgan Chase et Charles Schwab bloquent l’accès aux comptes en invoquant des problèmes de sécurité. Cars.com et Amtrak ne fonctionnent plus non plus pour certains utilisateurs. Meta mise plutôt sur des partenariats avec Walmart, Gap, Sephora et Best Buy, et Shopify a ouvert son réseau de commerçants aux agents. → The Verge, Crypto Briefing, The Decoder

Synthszr Take : Avec une valorisation supposée de 965 milliards de dollars, les normes de négociation établies par des cabinets d’avocats sont le poste de dépense le moins cher dans la préparation d’une introduction en bourse. La gouvernance est ici un produit du marché des capitaux : Anthropic vend de la vérifiabilité aux investisseurs qui veulent savoir, avant de souscrire, quelle responsabilité est contenue dans un agent qui négocie des prix et traite des réclamations au nom de millions d’utilisateurs.

Microsoft construit le Surface Laptop Ultra avec des puces Nvidia

Le PDG de Microsoft, Satya Nadella, a présenté dans une interview le nouveau Surface Laptop Ultra, qui s’appuie sur la technologie RTX de Nvidia de la plateforme Spark. Dans la même conversation, selon TechRadar, Nadella a esquissé le plan de Microsoft pour faire de Windows un système d’exploitation sur lequel les agents d’IA peuvent être exécutés de manière plus sécurisée. Le PDG de Nvidia, Jensen Huang, est également cité dans le reportage et décrit l’appareil développé conjointement comme étant, selon ses propres termes, « really a work of love » ; l’ordinateur sera « incredible ». Ces deux évaluations proviennent des entreprises impliquées elles-mêmes et sont des déclarations de produit, et non une évaluation indépendante. → TechRadar

Synthszr Take : Huang qualifie le Surface Laptop Ultra d’œuvre d’amour, et cela résume toute la répartition des rôles : Redmond dit ce que l’ordinateur doit pouvoir faire, Santa Clara fournit le composant qui le rend cher. Microsoft identifie correctement sa propre tâche, à savoir faire de Windows une couche qui attribue des droits à un agent, enregistre ses actions de manière traçable et définit un point clair où un humain doit contresigner. Pour Microsoft, l’enjeu est plus important que n’importe quel accord sur les processeurs graphiques, car un système d’exploitation auquel on confie un agent qui clique de manière autonome ne peut pas être simplement copié.

Anthropic place cinq pour cent de ses parts dans un « Public Benefit Fund »

Anthropic va placer cinq pour cent de ses propres parts sociales dans un « Public Benefit Fund » nouvellement créé. C’est ce que rapporte le Wall Street Journal, citant une annonce de l’entreprise datant de dimanche. Selon Anthropic, le fonds sera utilisable de manière flexible : il pourra accorder des dons classiques ou distribuer des fonds directement à des « groupes de population spécifiques », par exemple aux personnes dont le travail est remplacé par l’intelligence artificielle. Auparavant, l’entreprise avait déjà promis 200 millions de dollars pour étudier et atténuer l’instabilité sur le marché du travail ; la nouvelle initiative, selon ses propres déclarations, ira au-delà. Le PDG de l’entreprise, Dario Amodei, s’est exprimé publiquement à plusieurs reprises sur les bouleversements sociaux et économiques provoqués par les progrès rapides de l’IA. → Wall Street Journal

Synthszr Take : Le conseil d’administration décide lui-même si ces cinq pour cent deviendront un jour plus, et le correctif dépend donc précisément de l’instance qu’il est censé corriger. Une promesse sans seuil et sans date est une comptabilité sous réserve. Les 200 millions de dollars étaient de l’argent réel qui sortait ; cinq pour cent de parts sont une quote-part dont la valeur augmente d’elle-même à chaque nouvelle levée de fonds, sans que personne n’ait à remettre au pot.

Rivian, partenaire de Volkswagen, se transforme en fournisseur de technologie

Le PDG de Rivian, RJ Scaringe, a esquissé dans une interview lors du TechCrunch Disrupt que son entreprise prévoit de licencier sa technologie à « de nombreuses marques différentes » à l’avenir. Le constructeur a développé ses propres modèles d’IA pour l’assistant embarqué et construit, en collaboration avec Uber, un stack complet pour la conduite automatisée, destiné à fonctionner aussi bien dans les véhicules de série que dans les futurs robotaxis. De plus, un processeur 5 nm propre est en cours de développement en collaboration avec Arm et TSMC. Une coentreprise de 5,8 milliards de dollars pour l’architecture électrique et logicielle lie Rivian au VW Group, que Scaringe aimerait, selon ses dires, étendre à l’intelligence artificielle et à l’autonomie. La startup Also est issue d’un programme interne de micromobilité, et Scaringe a également fondé l’entreprise de robotique industrielle Mind Robotics, dont Rivian détient 31 % et qui compte le constructeur automobile comme client potentiel. → TechOrange 科技橘

Synthszr Take : Le fait que VW investisse 5,8 milliards de dollars dans une coentreprise avec un constructeur nettement plus petit en dit long sur la nouvelle hiérarchie dans le secteur. Rivian licencie son architecture électrique, son stack de conduite et ses modèles d’IA à des marques tierces, c’est-à-dire précisément les éléments qui permettent aujourd’hui à une voiture de se différencier. La puce 5 nm avec Arm et TSMC est le véritable levier ici : la plateforme de calcul embarquée détermine quelles fonctionnalités pourront être ajoutées des années plus tard via des mises à jour.

Aether AI construit un cerveau de robot capable de penser en termes de cause à effet

La startup Aether AI travaille sur un logiciel de contrôle pour robots qui modélise les relations en termes de cause à effet plutôt que comme des motifs statistiques. L’approche est présentée dans une vidéo d’Interesting Engineering. L’idée sous-jacente : le système doit pouvoir prédire ce qu’une action provoquera dans le monde physique avant que le robot ne l’exécute. Selon l’entreprise, l'Inférence causale devrait améliorer la transposition à des situations qui n’étaient pas présentes dans les données d’entraînement. En revanche, les modèles robotiques courants sont entraînés à partir de grandes quantités de démonstrations enregistrées et y apprennent principalement des corrélations entre observation et mouvement. → TechOrange 科技橘報

Synthszr Take : Un modèle entraîné sur la corrélation peut saisir une tasse sans pour autant pouvoir dire pourquoi elle se renverse. La causalité est la vieille facture impayée de la recherche en IA, et en robotique, elle devient immédiatement coûteuse, car le monde physique sanctionne chaque conclusion erronée par des débris. L’ambition de penser en termes de cause à effet est facile à affirmer et difficile à prouver : la preuve ne serait irréfutable que si la machine réussissait dans un environnement pour lequel elle n’a vu aucune démonstration.

Après avoir épuisé le web, les entreprises d’IA veulent les données du quotidien de bureau

Business Insider rapporte que les entreprises d’IA recherchent spécifiquement des données issues du quotidien professionnel pour entraîner des agents et des robots. La justification du rapport : le web ouvert est largement épuisé en tant que source d’entraînement, après avoir été collecté pendant des années par Scraping. Ce qui est maintenant recherché, c’est du matériel sur la manière dont les gens accomplissent leur travail, c’est-à-dire des processus dans des logiciels d’entreprise plutôt que des textes publiés. Le rapport cite comme acheteurs des entreprises travaillant sur des agents pour le travail de bureau et sur la robotique. → TechOrange 科技報橘

Synthszr Take : Le web ouvert était gratuit et juridiquement contesté, les données du quotidien professionnel sont chères à acquérir mais exclusives. C’est là que se trouve ce qui manque sur le net : les étapes intermédiaires silencieuses et la correction deux secondes avant l’envoi. En mars, nous parlions encore de tokenmaxxing, c’est-à-dire de la quantité d’utilisation de modèles qu’un effectif consomme ; maintenant, la direction s’inverse, et l’utilisation elle-même devient une matière première.

L’économie chinoise croît de 4,5 %, portée par les exportations pour les centres de données d’IA

L’économie chinoise a progressé de 4,5 % au troisième trimestre, se remettant ainsi d’un plus bas de trois ans, comme le rapporte la BBC en se basant sur des données officielles chinoises. Ce chiffre est inférieur aux 5 % de la période janvier-mars et se situe donc dans la fourchette basse de l’objectif annuel de Pékin de 4,5 à 5 %. Selon le rapport, la croissance a été principalement portée par les exportations : la demande mondiale de puces informatiques et d’autres composants pour la construction de centres de données d’IA soutient l’industrie. L’excédent commercial chinois est en passe de dépasser le record de 1,2 billion de dollars de l’année précédente. Sur le plan intérieur, la situation est différente : les investissements immobiliers ont chuté de plus de 20 % au cours des neuf premiers mois par rapport à la même période de l’année dernière, et une fin de la morosité n’est pas en vue, selon Sheana Yue, analyste chez Oxford Economics. → BBC

Synthszr Take : Les milliards occidentaux investis dans les centres de données financent actuellement la croissance de l’économie nationale que l’on voulait freiner avec des contrôles à l’exportation. Pékin a lié sa conjoncture à un cycle d’investissement sur lequel il n’a pas de contrôle : si la vague de construction d’infrastructures d’IA aux États-Unis s’effondre, la demande intérieure manquera en Chine pour amortir le choc, car les investissements immobiliers ont chuté de plus de 20 % en neuf mois. Inversement, la même dépendance s’applique dans l’autre sens, car aucun centre de données ne peut démarrer sans les composants de cette chaîne d’approvisionnement.

Nouvelle architecture de Stanford : la génération de texte par niveaux de concepts plutôt que token par token

Des chercheurs de l’Université de Stanford ont présenté avec le Next-Concept Modeling (NCM) une architecture qui ne prédit plus le texte token par token, mais qui structure d’abord une réponse complète comme une hiérarchie de codes discrets, puis l’élabore de concepts généraux à des détails fins. Dans des expériences avec des modèles de taille comparable, le NCM a généré du texte 10 à 31 fois plus rapidement que des modèles de comparaison performants de type Diffusion Language Model, avec une qualité égale ou supérieure. Dans certains benchmarks de modèles de langage, le procédé a également traité quatre à cinq fois moins de tokens d’entraînement. L’entraînement se déroule en deux étapes : un auto-encodeur multi-échelle apprend à compresser le texte en codes hiérarchiques et à le reconstruire à partir de ceux-ci, puis un Transformer apprend à prédire les codes de chaque niveau. Le gain d’efficacité provient du mécanisme de génération : le NCM nécessite une étape séquentielle par niveau hiérarchique au lieu d’une par token produit, tandis que les codes au sein d’un même niveau sont générés en parallèle. → AlphaSignal

Synthszr Take : Un facteur de 10 à 31 avec une qualité comparable est un ordre de grandeur comptable, pas une romance de chercheur. La raison en est simple : une étape de génération par niveau hiérarchique au lieu d’une par token, et les premiers niveaux sont courts, donc peu coûteux. Ajoutez à cela une charge de tokens d’entraînement quatre à cinq fois inférieure, ce qui rend le tout rentable aussi bien à l’entraînement qu’en production. La prudence reste de mise, car la comparaison a été faite avec des modèles de diffusion et non avec les systèmes autorégressifs performants actuellement en production.

TypeSafe débloque de nouvelles fonctionnalités avec Jev 1.14.0

TypeSafe AI a publié une nouvelle version de son modèle Jev et débloque en parallèle plusieurs fonctionnalités expérimentales, accessibles uniquement via des en-têtes API spécifiques. Sous le label « Danger Zone » se trouvent le traitement d’images, un nouveau type et une longueur de contexte déverrouillée. L’entreprise écrit à ce sujet que ces fonctionnalités sont, selon sa propre évaluation, trop instables pour être recommandées pour des scénarios de production. Le support des images était, selon le fournisseur, déjà présent dans la version précédente jev-1.13.0 et peut être utilisé à n’importe quel endroit de l’interface JSON. Un nouveau type box s’ajoute, qui renvoie une unique Bounding Box et n’est disponible que dans jev-1.14.0. TypeSafe avait jusqu’à présent délibérément limité la longueur du contexte, car des contextes plus longs réduisent la fiabilité ; cette limitation peut maintenant être levée via un en-tête. → TheSequence

Synthszr Take : Un en-tête HTTP comme ligne de démarcation entre le code de production et le terrain de jeu est la réponse la plus pragmatique à un problème que tous les laboratoires de modèles rencontrent actuellement : les fonctionnalités sont prêtes plus vite qu’elles ne sont fiables. TypeSafe vend du déterminisme, et chaque fonctionnalité bancale qui se glisse discrètement dans le chemin standard endommage immédiatement cette promesse. La Danger Zone transforme le risque en une ligne de code consciente dans la requête et transfère visiblement la responsabilité au développeur, ce que je trouve plus honnête que la pratique habituelle de simplement livrer une qualité bêta.