Author: Alyssa Lavinia Dellosa

Google Cloud a annoncé aujourd’hui l’arrivée des modèles quantitatifs de SandboxAQ sur Google Cloud Marketplace. L’idée est simple : les rendre accessibles aux entreprises et aux centres de recherche qui travaillent sur la découverte de médicaments, les nouveaux matériaux et les semi-conducteurs.

Cette annonce dit aussi autre chose. Dans le cloud, la bataille se joue de plus en plus sur la R&D, avec des outils spécialisés capables d’attaquer de vrais problèmes scientifiques, là où les assistants conversationnels généralistes atteignent vite leurs limites.

Google Cloud explique que cet accord doit permettre à ses clients d’accéder plus facilement aux modèles de SandboxAQ via Google Cloud Marketplace.

Pour Google, l’intérêt est évident sur deux fronts. D’un côté, le groupe enrichit vite son catalogue sur des cas d’usage à forte valeur. De l’autre, il avance ses pions face à Microsoft Azure et Amazon Web Services (AWS) sur un terrain très disputé : celui des laboratoires, des industriels et des sociétés de biotechnologie.

Le marché n’a rien de marginal.

Toujours selon Google Cloud, la seule découverte de médicaments pesait autour de 112 milliards en 2025 et pourrait approcher les 187 milliards d’ici 2034. Pour les fournisseurs de cloud, ce sont des secteurs prêts à payer pour des gains concrets, qu’ils se mesurent en temps, en coûts ou en précision.

Ce qui distingue SandboxAQ, ce sont ses « grands modèles quantitatifs ».

On n’est pas ici dans la logique des modèles de langage, entraînés surtout sur des corpus textuels pour produire des réponses en langage naturel. Les modèles quantitatifs de SandboxAQ, eux, reposent sur des données numériques, des équations scientifiques et des mesures de laboratoire.

Concrètement, ils sont mieux armés pour les tâches où l’on attend une valeur, une structure moléculaire ou une prédiction physico-chimique, en chimie, en biologie ou en physique appliquée, plutôt qu’un bloc de texte bien tourné.

Google Cloud mise d’ailleurs sur cette complémentarité. Selon l’entreprise, les chercheurs qui travaillent sur Google Cloud pourront utiliser Gemini, l’assistant IA de Google, pour l’interface en langage naturel, le raisonnement et l’organisation des tâches, puis confier les calculs scientifiques de précision aux modèles de SandboxAQ.

Les premiers modèles attendus sur Google Cloud Marketplace sont AQCat, tourné vers la découverte de matériaux et de catalyseurs, puis AQPotency, orienté vers la découverte de médicaments.

Dans le même temps, Google a aussi présenté Gemini for Science, un ensemble d’outils qui réunit notamment Co-scientist, AlphaEvolve, un assistant pour la recherche expérimentale, ainsi que NotebookLM. Le message de Google est assez clair : il ne s’agit pas de remplacer les chercheurs, mais d’accélérer les étapes répétitives du travail scientifique, de la synthèse documentaire à l’exploration d’hypothèses.

Au fond, ce mouvement confirme une idée déjà bien ancrée chez Google et DeepMind, qu’on retrouve dans leurs travaux sur les protéines ou la découverte de matériaux : en science, les systèmes les plus utiles sont souvent des outils très spécialisés, nourris par des mesures réelles bien plus que par du texte aspiré sur Internet.

L’accord met aussi en lumière le poids croissant des éditeurs spécialisés.

Google Cloud souligne que SandboxAQ, issu du laboratoire X d’Alphabet en 2022 et soutenu par Eric Schmidt et Marc Benioff, s’ouvre ainsi un large canal de distribution auprès de secteurs fortement réglementés. Google, de son côté, élargit rapidement son offre sans avoir à développer seul chaque modèle métier.

Suivez-moi sur Twitter : @pierrevitre

ByteDance et l’université Renmin de Chine ont dévoilé iLLaDA, un modèle de langage par diffusion de 8 milliards de paramètres. Dans leur prépublication sur arXiv, les chercheurs décrivent une approche qui s’écarte de la génération mot après mot: iLLaDA part d’une séquence masquée, puis la raffine en parallèle grâce à une attention bidirectionnelle. Sur les benchmarks qu’ils publient, le modèle atteint un score moyen de 63,9, contre 63,3 pour Qwen2.5 7B.

ChatGPT Télécharger

Les chiffres vont dans le même sens. Dans les tests de référence présentés sur arXiv, iLLaDA-Base passe devant Qwen2.5 7B sur plusieurs benchmarks, dont MMLU avec 74,8 contre 71,9, BBH avec 71,3 contre 63,9, ARC-C avec 60,8 contre 51,5, et GSM8K avec 81,9 contre 78,9.

Ce n’est donc plus seulement un prototype intéressant sur le plan académique. Le modèle commence à tenir la comparaison avec des systèmes déjà bien installés.

Les auteurs mettent aussi l’accent sur la taille de l’entraînement. Leur prépublication indique que 12 000 milliards de tokens, là où son prédécesseur LLaDA n’en comptait que 2 300 milliards, avant de passer par une phase de fine-tuning sur 12 époques.

Difficile de ne pas y voir un facteur majeur dans les progrès observés.

L’écart avec LLaDA 8B saute d’ailleurs aux yeux, toujours si l’on suit les résultats donnés par les auteurs. Le score moyen grimpe de 51,1 à 63,9, soit 12,8 points de plus. Sur BBH, le gain monte même à 21,6 points.

iLLaDA fait aussi mieux que Dream 7B au score global, avec 63,9 contre 61,4 selon les benchmarks publiés par l’équipe, même si Dream garde un petit avantage sur certains tests de programmation. Ces résultats donnent un peu plus de poids à une idée longtemps jugée fragile: la diffusion, souvent perçue comme moins à l’aise avec le texte que la génération autorégressive, peut finir par devenir une piste sérieuse pour les grands modèles de langage.

Il faut quand même garder un peu de recul. D’après les résultats d’alignement montrés dans l’article, la version iLLaDA-Instruct reste derrière Qwen2.5 7B Instruct, surtout sur les tâches de mathématiques et de code.

Les auteurs proposent d’ailleurs une explication crédible dans leur prépublication: Qwen2.5 aurait bénéficié d’un travail d’alignement supplémentaire par renforcement, ce qui pourrait expliquer une partie de l’écart. Et c’est un point intéressant au passage: de bonnes performances sur le modèle de base ne se traduisent pas automatiquement par le même niveau une fois le système ajusté pour suivre les consignes des utilisateurs.

Ce travail arrive aussi dans un contexte plus large, celui du retour des modèles de langage par diffusion. Google DeepMind a récemment présenté DiffusionGemma, que le laboratoire met en avant pour sa latence réduite et pour une génération de texte annoncée comme environ quatre fois plus rapide.

Reste que ce type d’approche est encore souvent en retrait sur la qualité face à des modèles autorégressifs de taille comparable. Le compromis principal se joue toujours à l’inférence: la diffusion demande en général plusieurs étapes de raffinement, et cela peut coûter cher en efficacité réelle.

En contrepartie, cette famille de modèles pourrait avoir des atouts sur certains usages, par exemple le raisonnement en sens inverse, la planification sur de longues séquences ou des phases prolongées de fine-tuning supervisé. Les chercheurs ont aussi publié iLLaDA et son code sur GitHub. De quoi accélérer les comparaisons indépendantes et les essais menés par la communauté.

Anthropic se retrouve aux États-Unis visé par un projet de recours collectif autour de ses offres Claude Max. Une plainte a été déposée au nom de l’abonné Karl Kahn dans l’affaire Kahn v. Anthropic, devant le tribunal fédéral du district nord de Californie. Le texte demande le remboursement des abonnés aux formules Max 5x et Max 20x depuis avril 2025, d’après la plainte.

ChatGPT Télécharger

À l’origine du dossier, un abonné qui dit avoir été trompé sur le volume réel d’utilisation compris dans les abonnements à 100 et 200 dollars par mois. La plainte, déposée au nom de Karl Kahn dans l’affaire Kahn v. Anthropic devant ce même tribunal fédéral du district nord de Californie, cible des offres présentées comme donnant respectivement droit à 5 et 20 fois l’usage du forfait Pro, selon le document.

Le litige porte sur un point simple : l’écart présumé entre ce qu’Anthropic promet dans sa communication commerciale et les limites qui seraient effectivement imposées aux abonnés. Le forfait Claude Pro coûte entre 17 et 20 dollars par mois. Au-dessus, Anthropic commercialise deux offres dites « Max » : « Max 5x » à 100 dollars par mois et « Max 20x » à 200 dollars par mois.

Toujours d’après la plainte, ces noms, ainsi que les supports marketing d’Anthropic, laissent clairement penser qu’un utilisateur obtient un volume d’usage multiplié par 5 ou par 20 par rapport à l’offre Claude Pro.

Karl Kahn soutient pourtant que la réalité serait nettement inférieure. D’après les calculs cités dans la plainte, le forfait Max 20x n’offrirait en pratique qu’environ 6 à 8 fois l’usage du niveau Pro. Max 5x, lui, tournerait plutôt autour de 3,5 fois.

Pour un service qui vise aussi les gros utilisateurs, la différence n’a rien de marginal. La plainte affirme donc que les abonnés paient un prix très élevé pour un accès qui ne correspondrait pas à ce qui leur est annoncé.

Dans la plainte, Karl Kahn explique qu’il utilise Claude surtout pour du développement logiciel. Il dit avoir atteint ses limites hebdomadaires bien plus vite qu’il ne l’avait anticipé après son passage à l’offre supérieure.

Le document cite notamment une session d’environ cinq heures qui aurait consommé 15 % de son quota hebdomadaire. Pour le plaignant, ce genre d’expérience contredit de front la promesse d’un accès « 20x » et rend le service difficile à anticiper pour les clients qui en dépendent de manière intensive.

Un autre point central de la procédure touche au manque de transparence du système de mesure. Karl Kahn reproche à Anthropic, selon la plainte, de ne pas expliquer clairement la façon dont l’usage est calculé, ni de donner aux abonnés des outils leur permettant de suivre précisément leur consommation en temps réel.

Les clients sauraient donc qu’il existe des plafonds, sans pouvoir comprendre facilement à partir de quel moment ils s’en approchent ou les déclenchent. Karl Kahn réclame, selon la plainte, le remboursement des abonnés aux offres Max 5x et Max 20x depuis avril 2025, ainsi qu’une décision jugeant frauduleuses les pratiques marketing d’Anthropic.

À ce stade, il s’agit uniquement d’allégations formulées dans une plainte. Anthropic, de son côté, a refusé de commenter publiquement l’affaire.

L’affaire dit aussi quelque chose de plus large que le seul cas Anthropic. La pression monte autour des abonnements à usage variable, dont les limites restent souvent difficiles à lire pour les clients. Dans le Connecticut, une nouvelle loi oblige déjà les entreprises concernées à mieux informer les utilisateurs sur les restrictions d’utilisation avant la souscription.

Snap a présenté ses nouvelles lunettes de réalité augmentée, désormais regroupées sous le nom Specs, et a lancé dans la foulée les précommandes à 2 195 dollars, avec un acompte remboursable de 200 dollars. D’après l’entreprise, les premières livraisons sont attendues à l’automne 2026 aux États-Unis, au Royaume-Uni et en France.

Snapchat Télécharger

Cette fois, Snap ne parle plus seulement aux développeurs. Les générations précédentes étaient distribuées avec parcimonie ; là, la société affiche clairement Specs comme un produit pensé pour le grand public.

Le placement reste tout de même très premium. À plus de 2 000 dollars, on est à des années-lumière de lunettes connectées plus accessibles, comme les Ray-Ban de Meta, qui misent surtout sur la photo et l’audio. Snap vise autre chose : installer de vraies lunettes de réalité augmentée dans le quotidien.

L’un des principaux arguments mis en avant concerne l’autonomie de fonctionnement. Si l’on en croit Snap, Specs se passent de smartphone, de boîtier externe et même de câble.

À l’intérieur, Snap a intégré deux puces Snapdragon de Qualcomm : une pour faire tourner le système et les applications, l’autre réservée à la vision par ordinateur. Sur le papier, Specs ressemble donc à un petit ordinateur porté sur le visage. Snap annonce un champ de vision diagonal de 51 degrés, un affichage de 16 millions de couleurs et environ 4 heures d’autonomie en usage continu.

La marque ajoute que l’étui de recharge peut apporter jusqu’à 20 heures de plus. Specs existera aussi en deux tailles, 47 mm et 52 mm, pour un poids situé entre 132 g et 136 g.

Google Lens Télécharger

Là où Snap insiste le plus, c’est sur le logiciel. D’après l’entreprise, Specs embarque un assistant contextuel développé avec l’appui de partenaires comme OpenAI et Google, capable de comprendre ce qui se passe autour de l’utilisateur.

Parmi les fonctions annoncées, Snap cite la traduction en temps réel de textes et de conversations. Autre nouveauté sur laquelle la société appuie : EyeConnect, un système qui déclenche des expériences de réalité augmentée partagées quand deux personnes équipées se regardent dans les yeux.

C’est peut-être là que Snap tente vraiment de se démarquer : sur l’usage social et multijoueur. Beaucoup de lunettes connectées restent cantonnées à des usages très individuels. Snap, de son côté, veut aussi s’appuyer sur son écosystème Lens Studio, qui compte déjà des centaines de Lenses créées, pour étoffer rapidement les usages disponibles dès la sortie.

Malgré un discours très offensif, plusieurs caractéristiques pourtant décisives restent floues : la résolution et la luminosité des écrans, le taux de rafraîchissement, la quantité de mémoire vive, le stockage, ou encore les spécifications des caméras. À 2 195 dollars, ce genre de zone d’ombre ne passe pas franchement inaperçu.

Sur la question de la confidentialité, Snap promet davantage de traitement local directement sur l’appareil, ainsi qu’un voyant lumineux qui s’active pendant l’enregistrement. Cela s’inscrit dans les efforts du secteur pour calmer les inquiétudes autour des captures discrètes. Prudence, quand même.

Entre un tarif très élevé, une autonomie qui reste limitée et un marché des lunettes connectées encore balbutiant, Snap semble surtout viser les développeurs, les curieux et les early adopters. Le lancement arrive d’ailleurs à un moment délicat pour le groupe, qui a récemment séparé Specs Inc. et réduit fortement ses effectifs pour économiser plus de 500 millions de dollars par an.

Source : Snap

Retrouvez-moi sur X : @pierrevitre

D’après The Information, OpenAI a signé 5,7 milliards de dollars de chiffre d’affaires au premier trimestre 2026, tout en brûlant 3,7 milliards de dollars de trésorerie sur la même période. Le média ajoute que l’entreprise aurait regonflé ses réserves grâce à une levée de fonds d’ampleur, bouclée en mars, et qu’une introduction en Bourse aux États-Unis commencerait aussi à prendre forme.

ChatGPT Télécharger

Sur un an, les revenus de OpenAI auraient presque triplé. Le cash burn aussi. La croissance va donc très vite, mais on reste encore loin d’un vrai levier opérationnel.

Pour une société comme OpenAI, qui mise sur la montée en puissance pour consolider sa place, ce parcours n’a rien de très étonnant.

Le sujet, c’est qu’à partir du moment où une IPO commence à se dessiner, les investisseurs regardent autre chose de très près : la capacité d’OpenAI à transformer cette croissance en bénéfices.

Le nerf de la guerre reste le coût de l’inférence, autrement dit le fait de faire tourner les modèles d’OpenAI à chaque requête envoyée par les utilisateurs.

Et là, OpenAI ne joue pas avec les mêmes règles que beaucoup d’éditeurs de logiciels classiques. Quand l’usage augmente, le coût unitaire ne baisse pas mécaniquement. Plus les utilisateurs sollicitent les outils d’OpenAI, plus il faut de puissance de calcul.

À cela s’ajoutent les dépenses de recherche, l’entraînement des modèles et l’infrastructure, qui continuent de peser lourd dans les comptes, toujours d’après The Information.

Plus inattendu, OpenAI aurait malgré tout terminé le trimestre avec plus de 73 milliards de dollars de trésorerie et de placements liquides, contre environ 40 milliards fin décembre, selon The Information.

Mais cette hausse ne viendrait pas de l’activité elle-même. Elle s’expliquerait surtout par une levée de fonds majeure finalisée en mars, toujours selon The Information.

Cette opération aurait valorisé OpenAI autour de 852 milliards de dollars, d’après The Information.

Dans le même temps, The Information affirme aussi qu’OpenAI aurait déposé, de façon confidentielle, un dossier d’introduction en Bourse aux États-Unis. L’opération pourrait intervenir dès septembre, avec une valorisation susceptible d’atteindre 1 000 milliards de dollars. À l’heure où nous écrivons ces lignes, OpenAI n’a toutefois rien confirmé publiquement.

Donc, prudence. Nous continuerons de suivre le dossier.

Et le groupe ne s’en cacherait pas vraiment : selon The Information, la rentabilité d’OpenAI ne serait pas attendue avant la fin de la décennie.

Cette logique de conquête menée à marche forcée aide aussi à relire les pertes passées. Toujours selon The Information, elles auraient atteint environ 39 milliards de dollars en 2025. Ou plutôt 8 milliards si l’on retire les charges comptables sans effet de trésorerie liées à une restructuration.

En parallèle, OpenAI cherche à élargir ses sources de revenus : ses offres pour les entreprises via le Partner Network, des tests publicitaires auprès des utilisateurs gratuits de ChatGPT aux États-Unis, mais aussi des produits avec un potentiel de croissance plus élevé, comme Codex d’OpenAI.

Reste une question simple : ces relais de croissance seront-ils suffisants pour compenser une structure de coûts qui, elle, continue de s’alourdir ?

Source : The Information