OpenAI débauche Noam Shazeer et met en place un immense réseau de partenaires

Le co-responsable de Gemini quitte Google pour rejoindre OpenAI

Noam Shazeer, VP of Engineering chez Google et l'une des deux têtes pensantes derrière Gemini, a annoncé le 18 juin 2026 sur X qu'il quittait l'entreprise pour rejoindre OpenAI. Il n'a pas précisé son nouveau rôle, mais cette décision est lourde de conséquences : Shazeer co-dirigeait Gemini et occupait depuis août 2024 le poste de VP of Engineering au cœur de la machine IA de Google. Son parcours est celui de l'une des figures les plus importantes du domaine : ingénieur logiciel chez Google de 2000 à 2021, puis PDG de Character.ai, avant de revenir en août 2024 via un accord de licence entre Google et Character.ai. Google a réagi sobrement, se montrant «  reconnaissant pour les contributions significatives de Noam au fil des ans  ». L'équipe Gemini perd ainsi l'un de ses deux capitaines au profit de son concurrent direct, en pleine phase cruciale. → AI Secret

Synthszr Take : Shazeer n'est pas n'importe qui, il est le co-inventeur de l'architecture Transformer, c'est-à-dire le «  T  » de GPT. Le fait que cet homme quitte Google pour OpenAI a une dimension presque poétique : le plan que Google a publié en 2017 puis délaissé arrive chez le concurrent par l'intermédiaire de son propre architecte. En avril, nous écrivions qu'OpenAI voulait devenir le nouvel Apple, et pour cela, il ne faut pas des centres de données, mais les quelques dizaines de cerveaux qui savent comment construire la prochaine génération. Le véritable avantage concurrentiel dans ce secteur n'est ni les brevets ni les GPU, mais une poignée de personnes qu'on ne peut pas simplement recruter sur commande. Google a fait revenir Shazeer à grands frais en 2024 pour le perdre à nouveau 22 mois plus tard ; c'est un coûteux jeu de chaises musicales. Pour rester en tête de la course à l'IA, il faudrait moins investir dans les budgets marketing et plus dans la question de savoir pourquoi les meilleurs talents restent ou partent.

OpenAI se constitue une armée de 300 000 consultants

OpenAI lance le Partner Network, un programme mondial permettant aux intégrateurs de systèmes, aux cabinets de conseil en stratégie et aux entreprises de technologie et de données de construire, vendre et déployer des solutions basées sur ses propres modèles. 150 millions de dollars seront investis dans cet écosystème, et d'ici fin 2026, OpenAI prévoit de former 300 000 consultants certifiés. Le programme comporte trois niveaux (Select, Advanced, Elite) avec des exigences élevées en matière de performance commerciale, de compétence technique et d'expérience de déploiement. S'y ajoutent des spécialisations en Codex, cybersécurité et agents, ainsi qu'un pilote nommé Forward Deployed Experts, qui connecte directement les partenaires aux propres équipes Forward Deployed Engineering d'OpenAI. La justification d'OpenAI : le goulot d'étranglement de l'entreprise n'est plus les modèles, mais l'identification des bons cas d'usage, la refonte des workflows et la gestion du changement. Aucune entreprise ne peut fournir seule toutes les solutions sur tous les marchés, d'où l'approche par écosystème. → AI Secret

Synthszr Take : OpenAI a compris que la marge ne se trouve pas dans le modèle, mais dans le dernier kilomètre vers le client. C'est exactement le jeu que nous décrivions début mai, quand OpenAI a suivi le modèle de Palantir avec Forward Deployed Capital. Voici maintenant la version industrialisée : 300 000 consultants certifiés constituent une machine de vente qui transforme Accenture, Deloitte et McKinsey en revendeurs, sans qu'OpenAI ait à payer leurs heures de conseil. C'est là le véritable avantage concurrentiel, pas GPT-5.3-Codex, car les modèles se banalisent de trimestre en trimestre, contrairement aux relations clients et aux praticiens formés. Si un cabinet de conseil ou une agence numérique allemande se demande si l'effort pour une certification Elite en vaut la peine, il doit comprendre que le « lock-in » fonctionne dans les deux sens : OpenAI lie les consultants, et les consultants lient leurs clients à OpenAI. La question la plus intéressante est de savoir ce que vont faire Anthropic et Google, car un écosystème de partenaires une fois établi ne se copie pas du jour au lendemain. Celui qui occupe tôt le terrain de l'implémentation remportera les budgets d'entreprise pour les cinq prochaines années.

Midjourney construit maintenant des scanners corporels

Midjourney, jusqu'ici connu pour la génération d'images à partir de texte, a annoncé la création d'une division dédiée à l'imagerie médicale. On entre dans un bassin d'eau, des ondes sonores traversent le corps sous tous les angles et, après 60 secondes, une carte 3D complète du corps est disponible : pas de radiation, pas de champ magnétique, uniquement des ultrasons. Les spécifications sont exceptionnelles : 500 000 transducteurs émettent simultanément, 17 gigaoctets de données sont traités par seconde, et un scan coûte quelques dollars au lieu de plusieurs centaines. Le premier site devrait ouvrir en 2027 dans un spa de San Francisco, en commençant par des données sur la composition corporelle, en attendant l'approbation de la FDA pour un diagnostic complet. Parallèlement, Anthropic a amélioré Claude Design : il importe votre système de design réel depuis un dépôt GitHub et vérifie son propre résultat par rapport à vos composants avant de vous le montrer. La tendance est claire : les laboratoires d'IA absorbent entièrement des secteurs adjacents au lieu de se contenter de les améliorer avec des fonctionnalités. → AlphaSignal

Synthszr Take : Un générateur d'images qui, sans jamais avoir construit de produit physique, promet soudain un scanner corporel complet pour quelques dollars, cela ressemble à une illusion PowerPoint. Mais la véritable information réside dans la vitesse. La profondeur de la recherche de ces laboratoires se traduit de plus en plus vite en produits, et ils gravitent vers des marchés jusqu'ici dominés par quelques grands groupes d'imagerie protégés par des barrières matérielles. Quand une entreprise de logiciels raccourcit ainsi le chemin de l'idée à l'industrialisation, tout fabricant établi qui pense encore sa feuille de route en années plutôt qu'en trimestres est mis sous pression. L'échéance de 2027 est le véritable test de vérité, car les atomes pardonnent moins que les pixels (l'approbation de la FDA et la mise à l'échelle du matériel ne se bricolent pas en un sprint). Celui qui regarde sans réagir en attendant le prochain séminaire stratégique n'a pas compris la vitesse de l'adversaire. La question n'est pas de savoir si ces paris seront gagnants, mais qui, en dehors du monde de l'IA, peut encore suivre le rythme.

Slack veut devenir la couche de contrôle pour les agents

Slack a publié un livre blanc d'IDC rédigé par l'analyste Arnal Dayaratna, qui défend une thèse simple : les agents d'IA ne valent que par le contexte dont ils disposent. Selon l'enquête, 52 % des organisations de développeurs ont déjà adopté des agents, dont 66 % sont en production. L'argument de Slack : sa propre architecture regroupe l'historique des conversations, l'activité des workflows, les signaux d'intégration et un accès basé sur les droits au même endroit où les équipes communiquent et prennent déjà leurs décisions. Des agents sans visibilité sur les règles métier, les décisions antérieures et le contexte client créeraient donc plus de risques que de valeur. Slack se positionne explicitement comme une couche de coordination pour le travail multi-agents, incluant une supervision humaine. Le document fournit les arguments de vente : moins d'efforts de coordination pour les travailleurs du savoir et les développeurs. → Techpresso

Synthszr Take : Slack a compris où se trouve le véritable argent, et ce n'est pas dans la prochaine fenêtre Copilot. Celui qui possède le « control plane », c'est-à-dire la couche qui gère l'orchestration, les droits et la validation humaine, détient l'avantage concurrentiel. C'est exactement ce qu'ils revendiquent ici : non pas un agent qui travaille à côté, mais l'environnement dans lequel la flotte d'agents opère et où l'humain valide. Cela correspond à ce que nous notions déjà en mai, lorsque les laboratoires d'IA ont commencé à construire des agents plutôt que de simples modèles. Il faut néanmoins prendre avec des pincettes le chiffre de 66 % de mise en production cité dans le livre blanc ; il s'agit d'une enquête menée par Slack et non d'un rapport de marché neutre. Il sera intéressant de voir si Slack peut réellement maintenir cette position, ou si Notion, Microsoft et les plateformes d'agents natives s'empareront elles-mêmes de cette couche de coordination. Celui qui perdra cette bataille ne vendra plus qu'un outil de chat coûteux.

Google et Microsoft s'allient contre Anthropic et OpenAI

Un nouveau protocole backend peut sembler être le sujet le plus ennuyeux qu'un service informatique puisse connaître. Pourtant, il mérite qu'on s'y attarde : Google, Microsoft, Salesforce, Snowflake, ServiceNow, ainsi que Hugging Face et Databricks, se sont mis d'accord mercredi sur un standard appelé Agentic Resource Discovery (ARD). L'idée : un employé interroge GitHub Copilot, Gemini ou Salesforce, et l'application trouve de manière autonome toute fonction d'IA que l'entreprise paie déjà, à condition que le fournisseur respectif participe à ARD. C'est le prolongement du Model Context Protocol, inventé par Anthropic l'année dernière. Anthropic et OpenAI ne figurent pas sur la liste des premiers soutiens, car ils veulent eux-mêmes ancrer Claude et ChatGPT comme le centre de commande central dans l'esprit de l'employé. Microsoft promet qu'ARD rendra GitHub Copilot nettement moins cher, car l'outil gaspillera moins de puissance de calcul pour trouver les applications appropriées. Parallèlement, Cursor, avec son projet de produit d'hébergement de code Origin, confirme exactement ce dont Microsoft avait prévenu : le cœur de métier de GitHub en tant que fournisseur de dépôts est menacé. → Applied AI

Synthszr Take : Celui qui possède l'accès possède le business, et c'est exactement de cela qu'il s'agit ici. Les fournisseurs établis n'ont qu'un seul véritable avantage concurrentiel : leur base installée de millions de licences Office, Salesforce et ServiceNow, et ARD est la tentative de sauver cet avantage à l'ère de l'IA, avant que Claude et ChatGPT ne deviennent la première application de la journée de travail. L'argument du coût est le véritable levier : les responsables informatiques soucieux des coûts ne sont pas séduits par les visions, mais par la promesse que Copilot consommera moins de ressources de calcul. Il est intéressant de noter que le même Microsoft qui soutient ARD envisage, selon notre note de mi-juin, d'utiliser DeepSeek pour Copilot et passe à une tarification basée sur l'utilisation : la discipline en matière de calcul est le sujet du moment. Le succès d'ARD ne dépendra pas du protocole, mais de la participation des nouveaux entrants, qui n'ont aucune raison de le faire. L'affaire Cursor-Origin montre quant à elle à quelle vitesse un « lock-in » peut s'effondrer dès que votre propre produit subit des pannes constantes et qu'un concurrent rend la migration facile. Au final, le standard qui s'impose est celui qui offre l'expérience la moins chère et la plus stable, et c'est précisément là que GitHub a un problème actuellement.

Vercel présente Eve, un réseau d'agents open source

Vercel a présenté Eve, un framework open source pour construire, exploiter et mettre à l'échelle des agents. Le fournisseur, jusqu'ici principalement connu pour son déploiement frontend et l'écosystème Next.js, s'aventure ainsi plus profondément dans la pile des agents. Eve couvre l'ensemble du cycle de vie : du prototypage initial à l'exploitation en production et à la mise à l'échelle. Le fait qu'il soit open source est la véritable annonce, car Vercel offre le framework gratuitement et gagne de l'argent sur l'infrastructure sous-jacente. Vercel s'inscrit ainsi dans une tendance que nous observons depuis des mois : de l'outillage pour agents de Cloudflare aux laboratoires qui construisent depuis longtemps des agents plutôt que de simples modèles. Le marché des frameworks pour agents se remplit rapidement. → The Deep View

Synthszr Take : Vercel fait exactement ce qu'il faut, et ce, dans son propre intérêt. Le framework est gratuit, mais les centres de données qui le sous-tendent ne le sont pas. Quiconque utilise Eve construit ses agents sur une logique qui s'exécute quasi inévitablement sur l'infrastructure de Vercel, et c'est précisément là que se crée la fidélisation client. En mai, nous écrivions que les agents devenaient plus importants que les modèles. Nous voyons maintenant le niveau suivant : la couche qui orchestre, exploite et met à l'échelle les agents devient la véritable question de l'avantage concurrentiel. Il est intéressant de noter que c'est une entreprise de frontend qui occupe cette position, et non l'un des grands laboratoires. Quiconque construit sérieusement des agents aujourd'hui devrait essayer Eve dans les deux prochaines semaines, avant que la décision sur la pile technologique pour les trois prochaines années ne soit prise.

Databricks mise sur les écosystèmes ouverts contre le chaos des agents

Presque toutes les grandes entreprises technologiques courent actuellement dans la même direction : intégrer l'agent d'IA dans l'entreprise. The Deep View a documenté les tentatives de Microsoft, Snowflake, AWS, Anthropic, OpenAI et Perplexity, et partout les mêmes problèmes apparaissent : fuites de données, lacunes en matière de conformité, protection des données, failles de sécurité, imprécision et coûts de tokens exorbitants. Mais le vrai problème est que les agents ne fournissent pas encore la valeur promise qui justifierait ces coûts. À cela s'ajoute un nouveau désagrément : chaque service logiciel impose son propre agent, son propre constructeur, son propre serveur MCP, ce qui crée une fidélisation client sans compatibilité. Ali Ghodsi, PDG de Databricks, a simplement qualifié cela de « désordre complet » lors du Data + AI Summit de mardi. La réponse de Databricks est d'une part un agent maison appelé Genie (avec Genie One, Ontology, App Builder, Agent et Code), et d'autre part le principe des écosystèmes ouverts. Jonathan Frankle, Chief AI Scientist, le résume bien : les clients peuvent à tout moment retirer complètement leurs données de Databricks, car il n'y a quasiment pas de « lock-in », et c'est précisément le plan. → The Deep View

Synthszr Take : Le coup intéressant ici n'est pas Genie, mais la promesse d'ouverture qui l'entoure. Ghodsi vend l'ouverture comme une fonctionnalité, tandis que tous les autres construisent des jardins fermés, et dans un monde plein de silos d'agents propriétaires, c'est précisément cela l'avantage concurrentiel. La phrase de Frankle, selon laquelle il doit regagner la confiance de ses clients chaque jour, est la stratégie de vente la plus honnête depuis longtemps (et en même temps la plus intelligente, car elle prend au sérieux le système immunitaire des grandes entreprises avec leurs systèmes hérités). Mais attention à ne pas trop s'enthousiasmer : le vrai problème avec les agents ne se situe pas au niveau de la couche d'outils, mais dans la question de savoir qui a le droit d'agir sur la base de la réponse d'un agent et qui est responsable s'il se trompe. Gartner estime qu'environ 30 % des projets d'IA générative meurent après la preuve de concept, presque jamais à cause de la technique, mais presque toujours à cause d'un manque de droits de décision. La portabilité des données ouvertes ne résout pas le problème de l'interprétation ; elle rend simplement moins cher le changement de fournisseur quand on se rend compte que le goulot d'étranglement est ailleurs. Si vous voulez rendre les agents productifs, vous devriez d'abord construire la gouvernance, puis choisir l'outil, et pour ce dernier, l'absence de « lock-in » est un excellent critère de sélection.

Microsoft vend des modèles OpenAI en Chine et réalise d'énormes profits

Microsoft a développé une activité considérable en pleine rivalité croissante entre les États-Unis et la Chine : la vente de modèles d'IA à des conglomérats chinois. Le plus gros client, selon Bloomberg, n'est autre que ByteDance, la société mère pékinoise de TikTok, qui utilise principalement des modèles OpenAI. L'entreprise pékinoise est en passe de dépenser plus d'un milliard de dollars par an pour les services d'IA et de cloud de Microsoft. Tout cela se passe alors que Washington et Pékin s'affrontent de plus en plus vivement sur le sujet de l'intelligence artificielle et que les contrôles à l'exportation donnent le ton. Les personnes qui le confirment ont souhaité rester anonymes car il s'agit d'une affaire confidentielle. ByteDance obtient les modèles via l'infrastructure Azure de Microsoft, et non directement d'OpenAI. → Marcus Schuler

Synthszr Take : Pendant que les politiciens à Washington parlent de découplage, Microsoft encaisse un milliard de dollars par an de la part de la maison mère de TikTok. C'est l'avantage concurrentiel du business du cloud dans sa forme la plus pure : les modèles sont interchangeables, l'infrastructure et la relation contractuelle ne le sont pas. En avril, j'écrivais que Microsoft sapait son partenaire OpenAI avec ses propres modèles. Nous voyons maintenant l'autre côté de la médaille, car ces mêmes modèles OpenAI financent la croissance de Microsoft en Chine, alors qu'OpenAI n'a pas d'accès direct à ce marché. La question intéressante est de savoir combien de temps Redmond pourra maintenir ce grand écart avant qu'une nouvelle série de contrôles à l'exportation ne coupe le robinet. Tant que la puissance de calcul est rare et les marges élevées, Microsoft comptabilisera silencieusement toute contradiction géopolitique. Celui qui possède l'infrastructure vend aux deux camps, et les modèles ne sont que la poudre qui passe dans les tuyaux.

Bernie Sanders veut redistribuer 7 000 milliards de dollars de l'industrie de l'IA au peuple

Bernie Sanders a présenté un projet de loi qui créerait un fonds souverain sur le modèle norvégien, financé par un impôt unique de 50 % sur les actions des plus grandes entreprises d'IA. Serait concernée toute entreprise réalisant plus de 200 millions de dollars de chiffre d'affaires annuel avec l'IA, et les nouvelles entreprises le seraient automatiquement en atteignant ce seuil. Sanders estime le volume à 7 000 milliards de dollars, dont chaque Américain recevrait plus de 1 000 dollars par an sous forme de dividende de 5 %, en plus de fonds pour la santé, l'éducation et le logement. Une commission de sept membres, confirmée par le Sénat, gérerait le fonds via des actions avec droit de vote et pourrait bloquer les décisions d'entreprise jugées préjudiciables au public. Lors d'une conversation avec Sanders, Sam Altman est resté très éloigné de ses propositions, et l'ancien conseiller en IA de Trump, David Sacks, a qualifié le projet de «  pure et simple expropriation  ». Particulièrement délicate est l'obligation de séparer les activités non liées à l'IA de celles liées à l'IA, ce qui affecterait la structure imbriquée d'Elon Musk avec xAI, X, SpaceX et peut-être Tesla. Au sein d'un Congrès à majorité républicaine, la loi est considérée comme sans espoir sans l'approbation de Trump. → Ars Technica

Synthszr Take : Sanders sait lui-même que ce projet de loi ne passera pas au Congrès, et c'est précisément pour cela qu'il est intéressant. Il déplace les limites du possible. En juin, Trump lui-même évoquait l'idée de prendre des participations de l'État dans les entreprises d'IA, et soudain, le coup de massue à 50 % de Sanders apparaît comme l'extrémité radicale d'un débat qui n'aurait même pas eu lieu sans lui. Le chiffre intéressant n'est pas l'estimation de 7 000 milliards (c'est de la pure spéculation), mais les 5 % qu'Altman serait prêt à rendre volontairement au peuple. Sanders qualifie cela à juste titre de rachat, et il a raison : celui qui bouleverse des millions d'emplois tout en distribuant un pourboire à la société achète le silence, pas la légitimité. Pour l'Europe, il y a là une leçon qui n'a rien à voir avec la nationalisation : celui qui reste dépendant en matière de calcul, de capital et de modèles propres n'aura même pas ces 5 % à négocier à la fin. Développer ses propres capacités l'emporte sur tout plan de redistribution, car on ne peut partager que ce que l'on possède.

Unreal Engine 5.8 intègre le modèle de langage directement dans le moteur de jeu

Epic Games a livré Unreal Engine 5.8, la dernière version majeure prévue de la lignée UE5. À bord : un plugin expérimental basé sur le Model Context Protocol (MCP), qui connecte n'importe quel LLM directement aux systèmes centraux du moteur, c'est-à-dire aux Blueprints, assets, niveaux, matériaux et meshes. Dans une vidéo de démonstration, Epic montre comment Claude Code d'Anthropic, via le plugin, extrait des objets d'une bibliothèque d'assets, les dispose dans une scène et ajuste l'éclairage en fonction d'images de référence réelles. S'y ajoutent Mesh Terrain pour des mondes plus complexes, MegaLights visant 60fps sur les consoles actuelles et MetaHuman Animator avec capture corporelle complète à partir d'une seule caméra. Epic présente le plugin comme un travail préparatoire pour Unreal Engine 6, où l'intégration des LLM deviendra un élément central du pipeline de création. Objectif déclaré pour UE6 : réduire la création de contenu fastidieuse, pour consacrer plus de temps à l'itération créative. L'accès anticipé est prévu pour fin 2027, avec un lancement complet 12 à 18 mois plus tard. → Techpresso

Synthszr Take : Le MCP se propage dans toute la chaîne d'outils, et plus rapidement que prévu. En février, le WebMCP pour les agents de navigateur faisait la une, et maintenant le même protocole est intégré dans le moteur avec lequel une bonne partie de tous les titres AAA est développée. Ce que Claude Code a démontré pour les bases de code (lire, écrire, exécuter, corriger en boucle) se produit ici avec la scène 3D : le modèle de langage devient une partie du workflow, et non une fenêtre de chat à côté. Le calendrier est intéressant. Epic pose les bases avec la version 5.8 et reporte l'intégration sérieuse à UE6 avec un accès anticipé fin 2027, ce qui est une éternité à cette vitesse. Ceux qui construisent des pipelines d'assets ou de la conception de niveaux devraient se pencher sur le plugin MCP dès maintenant et aligner leur propre boîte à outils en conséquence, au lieu d'attendre 2027. Le moteur devient un agrégateur pour tout LLM connectable, et l'avantage concurrentiel se déplace du rendu vers la question de savoir qui orchestre le plus naturellement la boucle de création.