Chez les DPO, il y a ceux qui perçoivent la conformité à l’AI Act comme un « prolongement naturel » de leurs missions. Et ceux qui estiment qu’elle ne relève pas de leur périmètre.

De ces deux orientations, aucune « n’apparaît s’imposer avec la force de l’évidence », pour reprendre les propos de la CNIL. La dernière vague de l’observatoire du métier des DPO* en témoigne… dans une certaine mesure. Ils sont 2390 à avoir répondu à l’enquête (1896 internes, 234 mutualisés, 260 externes). 55 % ont déjà l’AI Act dans leur périmètre de responsabilité et 71 % souhaitent que leur fonction l’englobe.

Le DPO, pas mentionné dans l’AI Act

En novembre 2025, au lancement de l’enquête, la CNIL avait rappelé l’obligation d’impliquer les DPO sur les traitements de données mis en œuvre par l’IA. Cela ne suppose toutefois pas forcément d’en faire les chefs de file sur la conformité à l’AI Act, avait-elle précisé. D’autant que le règlement ne mentionne pas explicitement les DPO.

La Commission avait ajouté que l’application de l’AI Act nécessiterait la mobilisation de compétences qui « ne sont pas nécessairement celles attendues du DPO ». Elle avait néanmoins appelé à une « mobilisation judicieuse » de leur expertise RGPD, vu les similarités entre les deux règlements (approche par les risques, principe de responsabilité, exigence de documentation et de transparence, etc.).

Principal défi : identifier le niveau de risque

Un élément ne plaide pas en faveur de la prise en charge de l’AI Act par les DPO : la charge de travail que représente déjà le RGPD. Y compris appliqué aux systèmes d’IA. Principaux défis en la matière :

• Garantir la minimisation des données (57 % des DPO ont sélectionné cette option)
• Gérer le cycle de vie des données (54 %)
• Assurer la transparence et l’explicabilité des décisions algorithmiques (53 %)
• Sécuriser les données et les modèles d’IA (51 %)
• Respecter le principe de la limitation des finalités (47 %)
• Gérer les droits des personnes concernées (46 %)
• Réaliser les études d’impact sur la protection des données personnelles (AIPD ; 45 %)

L’AI Act engendre d’autres défis :

• Identifier le niveau de risque des systèmes d’IA (62 %)
• Documenter et obtenir de la documentation auprès des prestataires (53 %)
• Assurer l’articulation entre AIPD et AIPF (analyses d’impact sur la protection des droits fondamentaux ; 41 %)
• Détecter, prévenir et corriger les biais (40 %)
• Assurer la fiabilité des prédictions/décisions et des données produites (39 %)
• Assurer l’explicabilité des systèmes d’IA (38 %)

Peu de politiques IA formalisées jusque-là

Selon les DPO, parmi les structures qui utilisent des systèmes d’IA ou qui le prévoient, 6 % sont bien préparées à l’application de l’AI Act. Elles sont 25 % en phase de préparation (analyse des impacts en cours). 28 % sont « conscientes des enjeux » mais n’ont pas lancé d’actions concrètes. 27 % se disent peu ou pas informées. 10 % se déclarent non concernées (pas d’utilisation d’IA à risque).

Environ une sur cinq (19 %) a une stratégie ou une politique formelle pour l’IA. 46 % en ont une en cours de préparation (50 % dans les structures de plus de 1000 salariés ; 36 % dans celles de moins de 50).

Lorsqu’une stratégie existe ou est en préparation, les DPO font partie des principaux responsables de la gouvernance dans 39 % des cas (44 % pour les DSI/CTO). Ils sont plus nombreux (66 %) à participer régulièrement aux comités d’éthique – ou autres organes similaires dédiés à l’IA -… lorsque ces derniers existent (20 % des cas).

Une opportunité d’évolution, mais une nette charge de travail

42 % des DPO se disent impliqués tout au long des projets d’IA. Détail phase par phase :

• 24 % sur l’idéation/conception initiale
• 9 % sur le développement/entraînement des modèles
• 14 % dans les tests/validations
• 26 % avant le déploiement en production
• 18 % pendant l’exploitation

Les DPO estiment que l’accompagnement de ces projets rend leur rôle plus stratégique (27 %), mais aussi plus complexe et technique (58 %). Si c’est une opportunité d’évolution (37 %), c’est aussi une nette augmentation de la charge de travail (33 %).

Au moment de répondre à l’enquête (novembre 2025), peu avaient suivi une formation spécifique à l’IA (15 %). Les deux tiers disaient manquer d’outils ou de méthodes adaptés pour évaluer la conformité à l’AI Act. Les priorités de formation vont à l’articulation avec le RGPD et aux méthodologies d’évaluation des risques spécifiques à l’IA.

À consulter en complément :

Comment interpréter les obligations de transparence de l’AI Act
La CNIL joue les généalogistes des modèles d’IA
REGALIA, une synthèse des enjeux de régulation des algorithmes
Le projet PANAME teste sa bibliothèque d’audit de confidentialité des LLM
L’omnibus numérique fait tiquer les CNIL européennes
Face aux saisines, une société ne peut invoquer les droits RGPD de ses salariés

* Étude de l’Agence nationale pour la formation professionnelle des adultes (Afpa), pour la CNIL, le ministère du Travail et l’Association française des correspondants à la protection des données (AFCDP). Sauf si précisé, les taux annoncés sont rapportés aux structures qui utilisent de l’IA.

Illustration générée par IA

The post L’AI Act doit-il être l’affaire des DPO ? appeared first on Silicon.fr.

C’est un véritable coup de semonce que viennent d’adresser les plus hautes instances de contrôle financier du Vieux Continent.

Face à l’émergence fulgurante des modèles d’IA dits « frontières » (frontier AI), le ton n’est plus à la simple vigilance, mais à la mobilisation générale.

Le constat est sans appel : ces technologies font peser un « risque systémique » inédit sur l’ensemble du système bancaire européen.

Quatre mois pour s’armer

Claudia Buch, la présidente du conseil de surveillance prudentielle de la Banque centrale européenne (BCE), a pris la plume ce mardi pour envoyer un courrier direct et pressant à 110 des principaux établissements de crédit de la zone euro.

Le tempo imposé est d’une rareté absolue dans le calendrier feutré de la régulation bancaire.  Les banques ont jusqu’à la fin du mois d’octobre pour formaliser un « plan d’action complet » destiné à contrer les cybermenaces dopées à l’IA.

Pour donner de l’air aux équipes techniques des banques face à ce sprint de quatre mois, la BCE a même consenti à un aménagement de calendrier, repoussant de septembre à février prochain l’envoi de son questionnaire annuel sur les risques informatiques.

L’heure n’est plus à remplir des formulaires, mais à fortifier les défenses.

Un changement de paradigme technique

Qu’est-ce qui terrifie tant les autorités de contrôle ? Un rapport du Comité européen du risque systémique (CERS) publié le 7 juillet lève le voile sur l’ampleur du péril. L’institution a officiellement rehaussé son évaluation du risque cyber-systémique, le qualifiant désormais de « sévère », contre « élevé » auparavant.

Le CERS évoque un véritable « changement de paradigme pour la cybersécurité ».

Grâce à cette nouvelle génération d’IA, des pirates informatiques isolés ou des États hostiles peuvent désormais automatiser à un coût dérisoire des attaques d’une complexité absolue.

Là où des ingénieurs devaient passer des semaines à chercher une faille de sécurité, les modèles d’IA « frontières » sont capables d’identifier et d’exploiter les vulnérabilités informatiques « à une vitesse, une échelle et un niveau de précision » sans précédent. Des faiblesses structurelles peuvent ainsi être militarisées et exploitées en « quelques minutes ou quelques heures ».

Des banques aux pieds d’argile

Face à cette guerre éclair algorithmique, les institutions financières traditionnelles souffrent d’un lourd handicap.

Engluées dans des architectures informatiques vieillissantes (legacy IT systems), contraintes par des processus de mise à jour excessivement lents de la part de leurs fournisseurs de logiciels, et bridées par la lourdeur des processus réglementaires, les banques peinent à répliquer en temps réel.

L’inquiétude traverse aussi la Manche. La Banque d’Angleterre a elle aussi tiré la sonnette d’alarme ce mardi, confirmant que les progrès fulgurants de l’IA augmentaient de manière critique les risques pesant sur la résilience opérationnelle des marchés mondiaux.

Dans sa missive, Claudia Buch exige des mesures concrètes comme une allocation massive de ressources, une attribution de responsabilités claires au sein des états-majors et des calendriers stricts de déploiement.

Mais le défi est aussi d’ordre externe. À court terme, si les banques devront prouver leur capacité à détecter et repousser des attaques de grande envergure, elles devront également s’assurer que leurs sous-traitants informatiques et fournisseurs de services Cloud soient au même niveau d’alerte.

La BCE prévient déjà : des inspections sur place et des analyses approfondies seront menées au cas par cas pour vérifier la robustesse de ces plans de défense. Les banques européennes savent désormais à quoi s’en tenir : l’IA n’est plus seulement un sujet de gains de productivité pour leurs conseillers clientèle, c’est une menace immédiate pour leur survie informatique.

The post Quand les régulateurs somment les banques de se barricader face à l’IA appeared first on Silicon.fr.

Interprétation de contexte de l’environnement cible en langage naturel, commentaires justifiant chaque action, diagnostic et correction d’erreurs à une vitesse impensable pour l’humain… Pas de doute, on a affaire à un « ransomware agentique ».

Sysdig a tiré cette conclusion après avoir analysé une attaque à visée probablement destructrice. Il a d’abord affirmé qu’une IA avait piloté l’opération de bout en bout… avant de reconnaître qu’un humain avait tout de même défini les paramètres initiaux et provisionné l’infrastructure sous-jacente.

Des secrets partout… et des authentifiants par défaut

L’accès initial s’est fait via une instance Langflow exposée à Internet. Le vecteur : une RCE (CVE-2025-3248) dans l’endpoint de validation de code. Elle a permis de récolter des secrets à plusieurs niveaux. Notamment en extrayant la base de données de Langflow et en accédant à un bucket de configuration sur un magasin MinIO… configuré avec le port et les authentifiants par défaut.

La véritable cible était un serveur de production hébergeant une instance de Nacos (Naming and Configuration Service), outil open source de découverte et de configuration de services made in Alibaba.

Le mécanisme d’authentification de Nacos a déjà été maintes fois contourné. En particulier parce que la clé de signature JWT par défaut est documentée publiquement et encore présente sur beaucoup de déploiements.

Un accès root venu d’on ne sait où

La cyberattaque dont il est ici question a exploité cette vulnérabilité. Elle a aussi tiré parti d’un accès root à MySQL, grâce à des authentifiants root… dont Sysdig dit ne pas connaître l’origine. Cet accès a permis d’injecter une backdoor admin dans la base de données de Nacos. Et, au final, de chiffrer toutes les configurations de services via la fonction AES_ENCRYPT() de MySQL. D’abord au niveau des lignes, puis au niveau de schémas entiers. l’environnement de production s’est ainsi trouvé paralysé.

La clé AES, générée aléatoirement, n’a jamais été stockée ou exfiltrée. N’étant apparue qu’une fois dans les logs, et l’agent ne disposant pas d’une mémoire à long terme, elle a été perdue, rendant le déchiffrement impossible. Ce qui n’a pas empêché le dépôt d’une note de rançon, avec une adresse Bitcoin.

Des comportements dits typiquement agentiques

Plusieurs observations accréditent la thèse d’une opération automatisée. L’une concerne la phase d’énumération. Ayant reçu du XML alors qu’il avait demandé du JSON, l’agent a adapté son parseur avant de renvoyer la requête.

L’injection de la backdoor a aussi exposé un comportement typiquement agentique. La procédure consistait à générer un hash bcrypt, à injecter le compte puis à lui donner le rôle admin. La première tentative n’a pas fonctionné (échec du test de login). En à peine 30 secondes, une solution a été trouvée, sans intervention humaine : recréer le compte avec un hash correspondant à un mot de passe plus simple. Dans cet intervalle, il a fallu lire le message d’erreur login, identifier la cause racine (un problème de sous-processus), élaborer un script et le soumettre.

Le même pattern s’est retrouvé au niveau de la destruction de la base de données. En raison d’une contrainte de clé étrangère, le premier DROP DATABASE avait échoué. La deuxième charge utile avait éliminé temporairement la vérification des clés étrangères.

Sysdig perçoit deux autres signes d’attaque agentique. D’une part, la justification de presque chaque action par un commentaire, jusqu’à la logique de priorisation du chiffrement. De l’autre, l’écriture d’un marqueur d’achèvement typique des agents qui, ayant terminé une tâche, signalent qu’ils sont prêts à continuer.

Autre indice potentiel : la capacité à exploiter du contexte que la cible présentait en langage naturel et que du pattern matching n’aurait possiblement pas suffi à interpréter. Ce comportement s’est retrouvé dans des sessions séparées de plusieurs semaines.

Au cours de l’attaque, l’agent a accédé à des clés d’API OpenAI, Anthropic, Google et DeepSeek.

La présence de secrets dans l’environnement Langflow a facilité les choses. Comme l’authentification par défaut sur Nacos, qui pouvait par ailleurs se connecter en root à la base de données.

Illustration générée par IA

The post Un premier « ransomware agentique » repéré dans le cyberespace appeared first on Silicon.fr.

Vaut-il mieux être suiveur ou retardataire ?

Dans le Magic Quadrant 2025 de la sauvegarde, Dell et Veeam avaient eu droit au premier qualificatif. Gartner estimait qu’ils avaient l’un et l’autre tendance à lancer des offres en réponse à des initiatives de concurrents. Cette année, pas d’étiquette « suiveur », mais un accent sur leurs retards respectifs dans la protection des applications cloud et des identités.

11 fournisseurs, 6 « leaders »

Dell et Veeam font tout de même partie des fournisseurs que le cabinet américain classe « leaders ». Ils l’étaient déjà l’an dernier. Même chose pour Cohesity, Commvault, Druva et Rubrik.

D’une année à l’autre, les critères obligatoires pour figurer au Magic Quadrant de la sauvegarde ont peu évolué. Il s’agissait toujours de proposer, dans les grandes lignes :

• Sauvegarde en environnement hybride, avec prise en charge d’au moins 2 IaaS et 2 SaaS majeurs
• Intégration avec du stockage immuable
• Détection basique de cyberattaques (post-sauvegarde)
• Console de gestion centralisée

Couvrir PaaS et systèmes IAM était facultatif. Comme l’automatisation à base d’IA. Il n’était pas non plus nécessaire, entre autres, d’avoir des fonctionnalités de sécurité « avancées » (MFA, RBAC, intégration SIEM/SOAR), de fournir une cleanroom ou d’orchestrer la restauration après sinistre.

L’axe « exécution » du Magic Quadrant traduit la capacité des offreurs à répondre à la demande (expérience client, tarification, qualification des produits services…). La situation :

Sur l’axe « vision », qui reflète les stratégies (innovation, modèle économique, déploiement géographique…) :

Cohesity salué sur l’automatisation de la restauration…

L’an dernier, Cohesity avait été salué pour l’acquisition de Veritas, qui avait élargi tant son portefeuille que sa couverture géographique. Gartner avait aussi apprécié ses services de réponse aux incidents.

Cette année, Cohesity a un bon point pour sa brique RecoveryAgent, qui automatise l’orchestration de la restauration. Il en a un autre pour ses intégrations cyber, notamment avec Sophos et Google Threat Intelligence pour la détection de menaces. Autre point positif : la couverture fonctionnelle du plan de contrôle Helios (qui gère à la fois DataProtect et NetBackup), assortie d’un licensing flexible qui permet d’utiliser une seule des deux solutions.

… mais pointé pour ses dépendances

L’an dernier, Gartner avait soulevé le risque de ralentissement du delivery dans le contexte de la fusion avec Veritas. Il avait aussi souligné que Cohesity pratiquait des prix plus élevés que la moyenne lors des négociations initiales. Tout en pointant ses limites en matière de restauration des applications cloud (capture de l’IaC et des configs, entre autres)..

Cette fois, Gartner pointe une protection SaaS limitée : pas de Dynamics 365, de Power Platform, d’Azure DevOps, de GitHub, ni d’Okta. Il évoque aussi la dépendance de Cohesity à des intégrations tierces, par exemple sur la découverte/classification de données (Cyera) et la restauration de forêts AD (Semperis). Attention également à la complexité potentielle de déploiement et d’intégration dans les environnements hybrides.

L’assistance IA s’est diffusée chez Commvault…

L’an dernier, Gartner avait distingué Commvault pour sa couverture exhaustive des workloads, cloud en particulier (IaaS & PaaS). Il avait aussi noté les apports, dans ce même domaine, de l’acquisition d’Appranix. Et mentionné les capacités de restauration de forêts AD.

Cette année, l’un des bons points va à l’orchestration de la restauration, avec des cleanrooms à la demande sur AWS ou Azure. Un autre va à la fonciton Synthetic Recovery, qui construit un point de restauration « idéal » à partir de plusieurs sauvegardes. Gartner salue aussi l’extension des cas d’usage de l’assistant IA Arlie : identification des données potentiellement exposées, recommandations d’optimisation de configuration, aide à l’identification de points de restauration « propres », etc.

… toutefois en retard sur la protection de Microsoft 365

La configuration initiale est complexe et il peut être difficile de trouver la bonne documentation pour le dépannage, avait expliqué Gartner l’an dernier. Il avait aussi pointé le manque d’expertise au support et la transition non finalisée de Commvault Command Center vers une console Java.

Cette année encore, vigilance sur le support, plus particulièrement de niveau 1. Des clients le jugent inégal, lent et trop procédurier pour les escalades. D’autres regrettent un licensing complexe qui exige de bien connaître les produits. Commvault est par ailleurs en retard sur les capacités natives de protection et de restauration des données Microsoft 365.

Dell se distingue avec l’assistance IA sur site…

L’an dernier, Dell avait eu un bon point pour l’intégration de son offre de sauvegarde avec le reste de son portefeuille (PowerStore, PowerMax et AI Factory notamment). Il en avait eu un autre pour sa brique MDR exploitant CrowdStrike Falcon.

Le « bon point intégration » reste d’actualité, avec un exemple d’apport : la détection d’anomalies en temps « quasi réel » dans les snapshots PowerStore. Gartner y ajoute l’efficacité de la brique Cyber Recovery, qui valide les données en vue de leur récupération après cyberattaque. Il mentionne aussi la possibilité d’exploiter l’assistance IA sur site, avec une option bring your own LLM.

… mais pas sur la découverte des données sensibles

Attention à l’administration, qui peut s’avérer complexe, avait signalé Gartner l’an dernier. Il avait aussi souligné le retard de Dell sur la protection des applications cloud et sur la détection de données sensibles au sein des sauvegardes. Autre limite : la nécessité d’implémenter plusieurs offres (PowerProtect Cyber Recovery et CyberSense) pour bénéficier d’une cyberdétection exhaustive.

Cette année encore, Gartner évoque le cas des données sensibles : PowerProtect Data Manager « manque d’insights » pour aider à les identifier et à optimiser les politiques de protection. Il mentionne également à nouveau la protection des applications cloud (retard sur la découverte des dépendances et l’identification des écarts de configurations). Il y ajoute la complexité potentielle du déploiement et de l’exploitation.

Chez Druva, des choix d’architecture distinctifs…

L’an dernier, Gartner avait salué la capacité de Druva à délivrer offres et intégrations (sauvegarde de VM EC2 sur Azure, backup sans agent pour Azure SQL, etc.). Il avait aussi apprécié l’assistance par IA (reporting, dépannage, analyses de sécurité) et la défense contre les ransomwares (service managé natif sans surcoût).

Cette année encore, Druva se distingue sur le volet IA, avec des agents pour l’analyse forensique, le dépannage, la validation de la restauration et le résumé d’incidents techniques. Autre point distinctif : l’exploitation des métadonnées des backups au sein d’un graphe qui permet de contextualiser les restaurations. Gartner note aussi le recours à une architecture qui limite la surface d’attaque en isolant du réseau primaire les données des sauvegardes et les authentifiants.

… mais les contraintes du modèle BaaS

L’an dernier, Gartner avec pointé la dépendance de Druva à AWS pour sa couche de gestion et d’orchestration. Il avait aussi noté l’absence de sauvegarde de MongoDB et de Cassandra. Ainsi qu’une prise en charge de GCP pas au niveau des autres hyperscalers sur la partie PaaS.

Cette année encore, Gartner mentionne les capacités limitées sur GCP – en ajoutant le IaaS. Il note que des agents et des workflows d’exportation sont nécessaires pour protéger des workloads comme GCE, Cloud SQL et BigQuery. Autres points faibles : un retard sur les autres fournisseurs pour la prise en charge de Kubernetes et les contraintes liées au BaaS, seule option de déploiement disponible (pas de possibilité d’apporter son propre stockage, par exemple).

Rubrik, avancé sur la protection des identités…

En 2025, Rubrik avait eu un bon point pour son RAG Annapurna. Il en avait aussi eu pour sa licence USL, disponible par utilisateur et transférable entre ses produits SaaS. Gartner avait également salué les possibilités en matière de cyberrésilience (protection des identités, détection d’anomalies, récupération en environnement hybride).

Cette année, la protection des identités est à nouveau évoquée, pour son périmètre (AD, Entra ID, Okta) et sa couverture fonctionnelle. Rubrik se distingue aussi par sa capacité à maintenir une interface d’administration intuitive malgré l’extension de son offre. Il a par ailleurs su introduire du monitoring et du rollback agentiques.

… plus que sur la restauration d’applications cloud

L’an dernier, les limites sur le reporting avaient valu un mauvais point à Rubrik. Comme l’absence de restauration entre hyperviseurs et la présence géographique limitée hors Amérique Nord et EMEA.

Cette fois, Gartner souligne l’absence de cleanroom native. Il pointe aussi les limites de l’offre BaaS (qui exige une infra gérée par le client pour fonctionner sur AWS et Azure). Et celles de la restauration d’applications cloud (pas d’orchestration native, ce qui impose de gérer les composants IaC séparément des sauvegardes).

Bon point pour l’appliance Linux de Veeam…

Salué l’an dernier pour sa présence sur ce marché (niveau d’adoption de ses solution et réseau de partenaires), Veeam avait aussi eu droit à un bon point sur le volet cyberrésilience (scan inline à base d’IA, programme de support Cyber Secure…). Gartner avait également apprécié la « versatilité » de la restauration (entre hyperviseurs, et directement vers AWS / Azure / GCP depuis des infras sur site).

Cette année, est mise en avant la Veeam Backup Appliance, qui offre une alternative préconfigurée, plus simple à gérer… et indépendante de Windows. Autre point fort : les services de réponse aux incidents (24/7, avec SLA de 15 minutes). Gartner ajoute l’acquisition de Securiti AI, qui apporte une gestion de la posture de sécurité des données.

… mais pas pour la couverture SaaS

Au-delà d’attribuer à Veeam l’étiquette de « suiveur », Gartner avait, l’an dernier, noté le périmètre limitée de la protection SaaS hors Microsoft 365 et Salesforce. Il avait aussi souligné la dépendance à Microsoft (déploiement de Veeam Data Cloud dans Azure) et le manque de flexibilité pour stocker les sauvegardes chez d’autres clouders.

La critique de la couverture SaaS vaut toujours (pas de Dynamics 365, de Power Apps, d’Azure DevOps, de Jira, de Google Workspace…). Gartner y ajoute un retard sur la protection des identifiés (pas de gestion d’Okta ni de la restauration des forêts AD) et l’absence d’une console de gestion unifiée (Veeam Data Plaform vs Veeam Data Cloud).

Illustration générée par IA

The post De l’IAM à l’IaC, des angles morts dans les solutions de sauvegarde appeared first on Silicon.fr.

C’est une offensive estivale qui ressemble fort à un aveu d’urgence. À quelques jours d’intervalle, les deux leaders  du cloud mondial ont sorti l’artillerie lourde.
Amazon Web Services (AWS) a dégainé le premier en annonçant un investissement de 1 milliard $ pour créer sa division AWS Forward Deployed Engineering (FDE).

La riposte de Microsoft ne s’est pas fait attendre en conscrant 2,5 milliards $ pour lancer sa  force de frappe opérationnelle baptisée Microsoft Frontier Company, forte de 6 000 experts.

Leur mission est la même : envoyer leurs meilleurs ingénieurs, concepteurs de modèles et experts en sécurité s’installer physiquement dans les bureaux de leurs clients finaux (Unilever, le London Stock Exchange, la NFL, la NBA ou Southwest Airlines) pour co-développer des systèmes d’IA de bout en bout.

Ce virage à 180 degrés s’explique par une pression devenue insoutenable à Wall Street. Malgré une croissance robuste de son activité Azure, l’action Microsoft a subi d’importantes corrections. Les investisseurs exigent des preuves concrètes de rentabilité face aux dizaines de milliards de dollars engloutis chaque trimestre dans la construction de data centers.

Or, le constat sur le terrain est signifiant. Si les grands groupes ont massivement testé l’IA, le passage à l’échelle industrielle s’avère être un gouffre de complexité.

Problèmes de gouvernance des données, manque de compétences internes, sécurité défaillante… les projets s’enlisent et les abonnements tardent à générer la valeur promise.

Le syndrome Palantir

Pour débloquer la situation, Microsoft et AWS ressuscitent une stratégie éprouvée il y a plus de dix ans par un autre acteur iconique de la tech américaine : Palantir.

Le spécialiste de l’analyse de données s’est imposé auprès des gouvernements et des multinationales en envoyant ses propres « Forward Deployed Engineers » configurer ses logiciels directement chez les clients.

En reprenant ce modèle, AWS et Microsoft cherchent à éliminer toute friction. AWS promet ainsi de compresser les calendriers de déploiement de l’IA « agentique » de plusieurs mois à seulement quelques jours, tout en garantissant l’indépendance future du client à l’issue de la mission.

En maîtrisant directement l’intégration logicielle, les hyperscalers s’assurent que les solutions d’IA développées seront intrinsèquement liées à leurs infrastructures respectives. Une manière de capturer le client pour la prochaine décennie. La bataille de l’IA ne se joue pas uniquement dans les laboratoires de recherche mais aussi bien dans les bureaux des directeurs financiers.

Sur le marché français, on apprend via l’Informé que OpenAI a ouvert à Paris un bureau de son activité d’intégrateur baptisée Deployment Company ou DeployCo.

Annoncée en mai dernier, la nouvelle structure est dotée de 4 milliards $ et compte un
consortium de 19 sociétés d’investissement, de cabinets de conseil et d’intégrateurs systèmes à son capital. Parmi eux, on trouve trois mastodontes du conseil : Bain & Company, Capgemini et McKinsey. OpenAI conserve la majorité.

The post IA en entreprise : pourquoi Microsoft et AWS court-circuitent les intermédiaires appeared first on Silicon.fr.

« PC IA ? Non, je ne sais pas ce que c’est. »

On l’aura – très – souvent entendu aux journées B2B du salon Viva Tech. Nous avions choisi l’événement pour « prendre la température » sur ce concept vieux comme ChatGPT ou presque.

Quelques semaines après le lancement du chatbot, le CES 2023 avait effectivement donné un premier élan. Par exemple avec l’annonce de Ryzen AI. Le mouvement s’était accéléré en 2024, lorsque Microsoft avait lancé le label « Copilot+ PC ». Pour en bénéficier, une machine doit, en particulier, embarquer un NPU suffisamment puissant.

AMD, Intel, Qualcomm : la bataille des TOPS

Les NPU (Neural Processing Units) sont des processeurs spécialisés dans les multiplications de vecteurs et de matrices, opérations fondamentales au sein des réseaux de neurones. Ils les traitent plus efficacement que les GPU, en contrepartie d’une moindre flexibilité et surtout d’un outillage encore bien moins mature.

Leurs performances sont traditionnellement communiquées en TOPS. C’est-à-dire en milliers de milliards d’opérations par seconde… en simple précision (entiers 8 bits), alors que les GPU travaillent généralement en virgule flottante. Le label « Copilot+ PC » impose un seuil à 40 TOPS. Au départ, seul Qualcomm l’atteignait, avec ses puces Snapdragon X. AMD et Intel s’aligneraient quelques mois plus tard avec, respectivement, Strix Point et Lunar Lake-V.

AMD à 60 TOPS avec les Ryzen AI 400

La famille Strix Point fut annoncée en juillet 2024. Elle comprend essentiellement la gamme Ryzen AI 300, destinée aux notebooks, avec un TDP de base de 28 W. AMD y a intégré la deuxième génération de ses NPU XDNA, basés sur la technologie de Xilinx (acquis en 2022). Il les annonce à 50 TOPS. Avec les Ryzen AI 400 (Gorgon Point, 28 W également), annoncés en janvier 2026, le seuil a été relevé à 60 TOPS.

Intel à 45 TOPS avec les Core Ultra 200V

La famille Lunar Lake-V, lancée en septembre 2024, cible aussi les notebooks (17-30 W), sous la marque commerciale Core Ultra 200V. Intel y a intégré un NPU à 45 TOPS également fruit d’une acquisition (Movidius, 2016). C’est pour le moment une exception à son catalogue. Ses autres processeurs Core Ultra Série 2 en restent à :

• 12 TOPS NPU pour Arrow Lake-U (15 W)
• 13 TOPS NPU pour Arrow Lake-H (28-45 W)
• 13 à 36 TOPS NPU pour Arrow Lake-S (35-125 W)

Qualcomm à 45 TOPS avec les Snapdragon X… et 85 avec les X2

Avec les Snapdragon X (Elite annoncés en octobre 2023, puis Plus en avril 2024), Qualcomm est aussi à 45 TOPS, pour des TDP de base entre 23 et 35 W. Depuis, il est passé à 80 avec les Snapdragon X2 Plus (janvier 2026) et 85 avec les X2 Elite (septembre 2025).

Récapitulatif sur les dernières générations de processeurs mobiles :

La mémoire unifiée, adoptée mais pas systématisée sur les PC IA

Au-delà de la puissance pure du NPU, l’exécution des modèles d’IA est tributaire de la quantité de mémoire. Mais aussi de sa bande passante. Pour accroître cette dernière, des architectures unifiées ont émergé : à l’instar de ce qui se fait sur Apple Silicon, la RAM est placée sur le SoC et partagée entre tous les processeurs. AMD l’a implémenté dans les puces Halo ; pas dans les Point. Intel ne l’a intégré que dans les Lunar Lake-V… en attendant peut-être Razor Lake, destiné à concurrencer les Halo.

Chez Qualcomm, tous les Snapdragon X ont de la mémoire unifiée. Au fil des générations, la bande passante théorique croît en conséquence de l’intégration de mémoire plus rapide. Les X Plus et Elite, avec leur LPDDR5X-8448, atteignent 135 Go/s sur le papier. La génération X2 passe à 152 Go/s avec sa LPDDR5X-9523. Les X2 Elite Extreme font même mieux (228 Go/s) grâce à un bus 192 bits.

En termes de capacité mémoire maximale, AMD a mis la barre à 128 Go sur Strix Halo, 192 Go sur Gorgon Halo et 256 Go sur Strix Point / Gorgon Point. Chez Intel, c’est 32 Go pour Lunar Lake-V et 96 Go sur les Arrow Lake. Qualcomm est à 32 Go pour le X Plus, 64 Go pour le X Elite et 128 Go pour les autres.

Pour l’ensemble de ces plates-formes, la quantité de mémoire exploitable en tant que VRAM varie en fonction des BIOS et des systèmes d’exploitation.

Récapitulatif :

OpenVINO, Ryzen AI, QAIRT… Autant de toolkits que de NPU

Ce qui varie aussi beaucoup, c’est le modèle de programmation des différents NPU : à chacun sa boîte à outils, là ou « GPU » est largement synonyme de « CUDA ».

Chez Intel, les NPU sont inclus aux côtés des CPU, des GPU et des FPGA dans le toolkit OpenVINO. Celui-ci a été doté d’extensions spécifiques aux modèles génératifs (quantification, encapsulation du cache clé-valeur, exécution spéculative…). Intel lui a adjoint un catalogue de modèles prêts à l’emploi sur ses NPU. On y trouve du ML classique (MobileNet pour détecter des objets, AlexNet pour classer des images…) et des LLM (généralement moins de 10B : Gemma 7B, Llama-3.2-1B, Phi 2…). En plus de la compatibilité Windows, un pilote Linux est disponible à partir du noyau 6.6.

Chez AMD, la pile Ryzen AI Software (pour Windows et Linux) s’appuie sur le runtime ONNX, là aussi doté d’extensions GenAI. Le SDK Lemonade offre une couche d’abstraction, avec une API Python et une interface serveur (API REST). À plus bas niveau, il y a une API C++ qui permet notamment l’exécution hybride des modèles génératifs (utilisation du NPU pour la phase de préremplissage et du GPU pour le décodage). AMD a également un catalogue de modèles prêts à l’emploi. Certains optimisés pour la longueur de contexte (fenêtre de 16k), d’autres pour la performance (en échange d’une fenêtre réduite à 4k). Au serveur Lemonade peut se greffer un back-end spécifique aux NPU XDNA : FastFlowLLM. Il gère Linux depuis peu.

Qualcomm développe ses NPU sous la marque Hexagon, qu’il utilisait déjà depuis 2007 pour ses DSP (processeurs de traitement des signaux). Un choix pas anodin : pour lui, les premiers descendent des seconds. C’est simplement « l’architecture qui a changé » (fusion des unités de calcul scalaire, vectoriel et matriciel, avec mémoire partagée). Le toolkit pour les programmer s’appelle QAIRT (Qualcomm AI Runtime). Il comprend, au plus bas niveau de la pile, des interfaces C et C++. Au plus haut niveau, un SDK Neural Processing. Entre les deux, un autre SDK, plus granulaire avec par exemple des bibliothèques par accélérateur, mais qui abstrait des éléments comme le partitionnement réseau. Une passerelle avec Amazon SageMaker existe pour le fine-tuning avant déploiement local.

Foundry on Windows, promesse d’un socle commun pour l’IA locale

Microsoft tente d’unifier les choses avec Foundry on Windows (ex-Copilot Runtime). Sous cette bannière, il pousse trois options pour l’IA locale* : des API, des LLM prêts à l’emploi et le framework d’inférence Windows ML.

Les API – une dizaine – permettent la reconnaissance vocale, l’OCR, le traitement d’images (description, segmentation, upscaling…) et l’accès au LLM Phi Silica de Microsoft – avec des optimisations pour les NPU, comme la compression des requêtes. Principalement réservées aux Copilot+ PC, elles ont d’abord ciblé exclusivement les NPU. Elle commencent à s’ouvrir aux CPU (speech-to-text et upscaling vidéo) et aux GPU (Phi Silica). Les modèles correspondants sont téléchargés à l’exécution et ensuite partagés entre les applications. Lesquelles ne sont, par ailleurs, pas obligées de packager de runtimes ou de pilotes.

La deuxième option, dite Foundry Local, permet de surentraîner Phi Silica avec la méthode LoRA. Elle donne aussi accès, y compris sur les PC Windows 10, à quelques dizaines de LLM ouverts (pesant de 100 Mo à environ 10 Go) préoptimisés. Seuls quelques-uns le sont pour les NPU. Il s’agit essentiellement de modèles Phi (3 Mini, 4 Mini, 4), Qwen (Coder, Instruct) et DeepSeek (R1-Distill-Qwen-7B). Les autres s’exécutent sur (Web)GPU et éventuellement sur CPU (Ministral, Nemotron, Olmo…).

Windows ML est une distribution du runtime ONNX. Succédant à l’API DirectML, il automatise la sélection de la puce adéquate pour l’inférence, la récupération des fournisseurs d’exécution (abstractions des back-ends) et le maintien à jour de l’ensemble via Windows Update. L’exécution des modèles génératifs y est officiellement encore en preview.

Forces et faiblesses des NPU

En 2024, peu après le lancement des premiers Copilot+ PC, une étude de l’université de Californie du Sud sur un SoC Intel avait mis en lumière les points forts et les points faibles des NPU. Elle les avait comparés aux CPU et aux GPU sur deux disciplines. D’un côté, l’algèbre linéaire (produit matriciel, produit scalaire et produit matrice-vecteur). De l’autre, les réseaux de neurones, avec classification de vidéos (MobileNetV2), analyse de séries chronologiques (réseau LTSM non spécifié) et traitement du langage naturel (TinyLlama).

L’accès direct à la mémoire a des avantages…

L’accès direct à la mémoire a donné au NPU une belle longueur d’avance dans le calcul des produits matrice-vecteur, la réutilisation de données étant minimale. Même situation pour les produits scalaires, a fortiori vu le poids de la synchronisation finale.

En revanche, sur les produits matriciels, le GPU a pris l’avantage au-delà d’une certaine taille de matrice, l’opération devenant de plus en plus dépendante de la capacité de calcul.

… et des inconvénients

Pour la classification vidéo, en précision simple ou double (INT8 ou FP16), le NPU a l’avantage lorsqu’on est sur du traitement séquentiel. Par lots, le rapport s’inverse à partir d’un batch size de 8.
Avec le LTSM, le GPU est nettement meilleur. L’irrégularité des accès mémoire handicape le NPU, qui doit rafraîchir à chaque fois son mapping DMA.

Le NPU reprend l’avantage avec TinyLlama. Il n’est pas à son aise sur la phase de préremplissage, dominée par des multiplications matricielles. Mais le gros des opérations se trouve sur la phase de décodage, quant à elle riche en produits matrice-vecteur.

Les NPU, pas fans du traitement par lots

Le problème des accès mémoire irréguliers se retrouve dans un comparatif plus récent (juin 2026). Support de test : un système embarqué avec NPU Hexagon et GPU Ada. On y a fait tourner Qwen-2.5-7B et Llama-3-8B (ainsi qu’une variante 3B distillée).

Tant qu’on traite des inputs fixes, le NPU est plus performant. Ou plus économique, selon le point de vue (- 60 % d’énergie par rapport au GPU à débit égal). Les choses changent quand on passe sur des entrées de longueur variable (32 à 2048). En INT8, la performance du GPU baisse de 12 %… contre 41 % pour le NPU. Un effet accentué quand on ajoute l’aspect traitement par lots : avec un batch size de 16, le GPU conserve 78 % de son débit séquentiel, tandis que le NPU tombe à 34 %. La faute notamment à une mauvaise gestion du padding : face à des tenseurs hétérogènes, l’exécution passe en séquentiel, avec reconfiguration interne entre les requêtes.

Génération de texte sur NPU : combien de tokens par seconde ?

FastFlowLLM a fait ses propres mesures, en génération de texte, sur une APU Ryzen AI 350 à 32 Go de RAM. Les fenêtres de contexte ont été limitées par le fait que le NPU ne pouvait pas accéder à plus de 50 % de la mémoire système. On rappellera qu’un token = ¾ de mot, d’après le décompte d’OpenAI.

Les résultats sur la phase de décodage :

Audio, graphisme, cybersécurité, accessibilité… Les logiciels s’emparent des NPU

Tous ces résultats en témoignent : avec leur pipeline plus rigide que celui des GPU, les NPU se prêtent avant tout aux charges de travail dont les patterns sont prévisibles. Les éditeurs de logiciels ont œuvré dans ce sens. Par exemple :

• Norton pour la détection des deepfakes audio
• Adobe pour la catégorisation des contenus audio dans Premiere Pro

• Moises pour la séparation de voix et d’instruments

• CapCut pour le sous-titrage, la synthèse vocale et la suppression d’arrière-plan
• Blender pour un plug-in de conversion 2D <-> 3D

• Capture One pour le détourage, la retouche de visage et l’étalonnage des couleurs
• Cephable pour ses technologies d’assistance (contrôle vocal et gestuel)

Microsoft a suivi la même logique, en se concentrant sur des tâches « temps réel », sensibles à la latence. Tout particulièrement pour la communication (« effets Windows Studio »). Certaines fonctionnalités sont réservées aux Copilot+ PC (flou de portrait, focus vocal, filtres créatifs…). D’autres sont disponibles avec les NPU de la « génération 10 TOPS » (floutage d’arrière-plan, cadrage automatique, correction du regard…).

Les fabricants de PC IA intègrent leurs propres services – parfois à base de NPU

Les principaux fabricants de PC ont leur propre déclinaison de ces fonctionnalités. Illustration chez Acer, qui les propose sous les marques Purified View et Purified Voice. Il tire aussi parti de l’efficacité énergétique des NPU pour effectuer une tâche continue en arrière-plan : la détection de présence (User Sensing). Avec trois usages : verrouiller/déverrouiller automatiquement le PC, rappeler à l’utilisateur de prendre une pause après un certain temps passé devant l’écran et l’avertir s’il n’est pas à bonne distance.

Le catalogue « IA locale » d’Acer inclut aussi de la création d’images et un assistant généraliste à base de LLM. Mais ces fonctionnalités exigent un GPU.

ASUS a opéré une segmentation similaire. Des fonctionnalités comme la suppression de bruit, la luminosité adaptative se contentent du NPU. Alors que StoryCube (gestion multimédia) et MuseTree (génération d’images) nécessitent au minimum une carte GeForce RTX 4050.

Des studios de développement…

Sur son microsite dédié aux PC IA, ASUS communique d’ailleurs les TOPS GPU en plus de ceux du NPU. Il met aussi en avant son toolkit d’inférence AI SuperBuild, développé avec Intel et validé sur ses NUC. Permettant de convertir, de déployer et d’évaluer des modèles, il inclut la gestion de bases de connaissances et une marketplace de serveurs MCP.

Dell a aussi son toolkit : Dell Pro AI Studio. Il expose des API compatibles OpenAI et donne accès à un catalogue de modèles optimisés. Certains pour les GPU (Devstral Small, Gemma 3, Granite 4…), d’autres pour les NPU (CLIP, Whisper, Phi 4…). S’y ajoignent deux guides de référence pour développer sur NPU. L’un traite de la recherche vocale d’images avec CLIP et Whisper. L’autre, du RAG avec LLaMA, LangChain, Chroma et Nomic.

… et des « ChatGPT locaux »

Pas de tel attirail chez HP. Mais, pour l’utilisateur final, un service référent : AI Companion. Il réunit trois briques : chatbot à usage général, gestion de connaissances et optimiseur de performance (accompagné d’une assistance à l’ajustement des paramètres et au dépannage). Réservé aux Copilot+ PC, il a un mode cloud (GPT-4o) et un mode local (Phi 3.5) qui nécessite 32 Go de RAM.

Depuis cette année se diffuse, sous la marque HP IQ, une approche moins liée aux Copilot+ PC. Elle reprend l’aspect chatbot et analyse de fichiers, y ajoutant une composante de prise de notes, une « mémoire organisée » fondée sur l’historique des interactions… et plus globalement une forme d’orchestration. Celle-ci se manifeste en une UI censée faire remonter les « actions et contrôles pertinents », avec gpt-oss-20b en back-office.

Chez Lenovo, le « compagnon IA » s’appelle AI Now. Reposant sur LLaMA 3 pour la partie locale, il nécessite un GPU (intégré avec 24 Go de VRAM ou dédié avec 16 Go). Il reprend le triptyque chat / base de connaissances / paramétrage du PC. Plusieurs services IA plus « spécialisés » en dépendent. Par exemple Learning Zone (aide à l’apprentissage : transcription, synthèse, création de quiz…).

NVIDIA, un quatrième larron attendu à l’automne dans les PC IA

Le serveur d’inférence Llama.cpp gère depuis peu les NPU Intel à travers le back-end OpenVINO. La prise en charge des NPU de Qualcomm reste expérimentale. Elle est au contraire effective sur AnythingLLM, à commencer par le modèle d’embedding utilisé par défaut.

NVIDIA travaille avec llama.cpp pour activer des optimisations spécifiques de type décodage spéculatif (prédiction multitoken)… en vue de son arrivée sur le segment des PC IA. Ce devrait être à l’automne 2026, avec la puce RTX Spark. Issue d’une collaboration avec MediaTek, elle associe CPU Grace, GPU Blackwell RTX et mémoire unifiée (jusqu’à 128 Go). Pas de NPU à proprement parler, donc. Ce mouvement fait écho à celui d’Apple, qui, pour ses puces M5, a intégré un accélérateur neuronal dans chaque cœur GPU.

Revendiquant une puissance théorique d’un pétaflops (en précision 4 bits), NVIDIA promet une « IA agentique locale ». Dans cette optique, il a associé des primitives de sécurité à son runtime OpenShell. Et étendu la disponibilité de son blueprint NemoClaw.

* Microsoft pousse aussi, avec Intel, l’API WebNN. Elle utilise ONNX Runtime Web ou LiteRT.js. Configuration minimale : un processeur Core de 11^e génération (Tiger Lake) et 8 Go de mémoire.

Illustration principale générée par IA

The post PC IA : le NPU, emblème d’un marché qui se cherche encore appeared first on Silicon.fr.

Pour les fournisseurs de plates-formes DSML (data science & machine learning), il y a des opportunités dans la combinaison prédictif-génératif.

Gartner l’avait souligné l’an dernier dans la synthèse du Magic Quadrant dédié à ce marché. Le cabinet américain y percevait notamment une capacité à cibler davantage de profils d’utilisateurs.

Cette tendance à la décentralisation des activités de data science s’est accentuée, affirme-t-il désormais. Les interfaces low code, les outils en langage naturel et les assistants IA la favorisent.

Plates-formes DSML : 18 fournisseurs, 7 « leaders »

D’une année à l’autre, les caractéristiques fonctionnelles obligatoires pour figurer au Magic Quadrant des plates-formes DSML ont peu évolué. Le principal changement est sur l’importation ou la connexion de données. Le critère est devenu plus englobant : exit les seules données tabulaires, place à « une variété de données structurées, semi-structurées ou non structurées ».

Catalogage et lignage sont restés facultatifs. Même chose, entre autres, pour la prise en charge des outils et process MLOps, la gestion des GPU et les interfaces low code. Gartner y a ajouté le développement à base de LLM et de RAG.

Des 8 fournisseurs classés « leaders » en 2025, 7 le sont restés. Il s’agit d’AWS, Databricks, Dataiku, DataRobot, Google, IBM et Microsoft. L’exception s’appelle Altair. C’est la conséquence de son passage dans le giron de Siemens, qui entend le combiner à Mendix (acquis en 2018).

Le positionnement des fournisseurs dans le Magic Quadrant résulte d’une évaluation sur deux axes. L’un, dit « exécution », traduit la capacité à répondre à la demande (expérience client, tarification, qualité des produits/services…). L’autre, dit « vision », reflète les stratégies (commerciale, marketing, sectorielle, géographique…).

La situation sur l’axe « exécution » :

Sur l’axe « vision » :

AWS salué pour Bedrock AgentCore…

L’an dernier, Gartner avait salué SageMaker Unified Studio. À la fois pour son statut d’offre intégrée favorisant la collaboration et pour la possibilité qu’ont les fournisseurs tiers d’y intégrer leurs produits sans fournir ou exploiter d’infra. Un autre bon point avait été accordé à Bedrock Guardrails et sa vérification par raisonnement automatique (validation mathématique de la précision des réponses).

Cette année, l’accent est mis sur l’offre Bedrock AgentCore et sur ses apports en matière de développement de systèmes agentiques. AWS a aussi pour lui un réseau de partenaires exhaustif qui favorise l’intégration de solutions avec SageMaker AI et Bedrock. Il continue par ailleurs à investir dans l’infrastructure, que ce soit avec ses propres offres (puces Trainium3, clusters SageMaker HyperPod…) ou en s’appuyant sur celles de tiers comme Cerebras.

… mais toujours pas sur la gestion des coûts

Le catalogue de modèles de fondation d’AWS n’est pas déterminant dans le choix de son offre DSML, avait expliqué Gartner l’an dernier. Il avait ajouté que la gestion des coûts restait un défi, tant sur les services que sur l’infra IA. Autre reproche : SageMaker Unified Studio pouvait progresser en matière d’intégration avec les autres clouds.

Cette année encore, la gestion des coûts vaut un mauvais point à AWS : la tarification est souvent complexe, en particulier pour les gros workloads (échelle ou durée). Autre point de vigilance : Bedrock et SageMaker AI demeurent des produits essentiellement séparés, au risque de compliquer le delivery. Des outils tiers peuvent par ailleurs s’avérer nécessaire pour la gouvernance de l’IA.

La popularité de Databricks ne se dément pas…

En 2025, Gartner avait signalé la popularité de l’offre de Databricks chez les publics visés – ce qui accroissait le vivier de compétences. Il avait aussi noté la stabilité de l’équipe dirigeante. Et apprécié la vision d’un écosystème agentique (adapté en particulier à la finance et à la gestion de réputation).

Cette année encore, Gartner salue le niveau d’adoption, qui se reflète jusque dans les communautés open source. Il mentionne à nouveau la stabilité de l’équipe dirigeante, en plus de la croissance des revenus et des effectifs (ingénierie, delivery, support). Il y ajoute la cadence d’innovation, axée sur l’unification de la data et de la gouvernance pour les agents IA.

… mais tout n’est pas natif

Il existe une certaine courbe d’apprentissage pour utiliser la plate-forme, avait prévenu Gartner l’an dernier. Il avait aussi évoqué la concurrence accrue sur l’approche unifiée lakehouse + DSML. Et l’absence de fonctionnalités infra disponibles chez les CSP, comme les GPU serverless.

Cette année, pas d’évocation de la courbe d’apprentissage, mais de la documentation parfois incomplète qui peut contribuer à allonger les déploiements. Le même risque peut découler du volume important de mises à jour. Autre point de vigilance : la combinaison ML-GenAI implique du code plutôt que des workflows préconstruits. Et certaines techniques, comme la simulation, ne sont pas natives (elles exploitent des intégrations open source). Attention aussi à l’absence d’options de déploiement sur site.

Dataiku, flexible sur l’orchestration et la gouvernance…

En 2025, Gartner avait salué l’initiative LLM Mesh, notamment pour ce qu’elle apportait en matière de gouvernance. Il avait aussi mentionné la constance du support client. Et le fait que Dataiku n’avait pas perdu de vue le cœur data science, tout en lançant des éléments comme une brique de data storytelling.

Avec ses nouveaux systèmes de raisonnement, Dataiku démontre une compréhension avancée de la convergence entre décisionnel et DSML, explique Gartner cette année. Il évoque aussi la flexibilité que Dataiku apporte en se positionnant comme une couche d’orchestration agnostique des données et des plates-formes. Bon point également sur la gouvernance de l’IA, adaptée à différents profils d’utilisateurs.

… mais questionnable sur le plan financier

L’an dernier, Gartner avait pointé un manque de notoriété, au sens où les clients tendaient à avoir un usage « tactique » de l’offre pour des besoins spécifiques. Il avait aussi rappelé que Dataiku fonctionnait au-dessus des produits d’autres fournisseurs… proposant souvent des fonctionnalités concurrentes.

Cette dernière remarque vaut toujours. Gartner y ajoute le coût global et les modèles de licence, qui sont souvent des « facteurs limitants » lors des renouvellements. Il ajoute que Dataiku pourrait communiquer plus efficacement sur sa proposition de valeur, à l’heure où des alternatives à plus bas coût offrent des chemins d’adoption plus simples pour qui a des cas d’usage IA basiques.

Chez DataRobot, un support de qualité…

En 2025, Gartner avait salué le repositionnement de DataRobot vers un écosystème agentiques d’applications métier. Une vision que porterait notamment l’acquisition d’Agnostiq et sa plate-forme d’orchestration d’infrastructure Covalent.

Cette année, les bons points dont à l’expérience client (qualité du support sur toutes les phases d’adoption), à la flexibilité de déploiement (jusqu’aux environnements déconnectés, avec Nebius en alternative aux hyperscalers) et aux partenariats (particulièrement avec NVIDIA autour de son Enterprise AI Factory).

… mais attention au travail d’intégration

Les mises à jour fréquentes ont rendu les interfaces – avec et sans code – difficiles à utiliser, avait constaté Gartner l’an dernier. Il avait aussi signalé que l’offre était perçue comme peu adaptée aux besoins des data scientists. Et soulevé la question de l’adhésion des éditeurs au pivot agentique.

Cette année, DataRobot a droit à une remarque sur ses prix ; particulièrement « aux extrêmes », c’est-à-dire pour les plus petits et les plus gros déploiements. Autre élément : par rapport aux concurrents, moins de possibilités pour les clients de communiquer leurs retours – ce qui réduit la capacité d’autoremédiation. Attention aussi au niveau d’intégration que la plate-forme peut exiger pour qui veut la positionner comme centrale agentique entre applications.

Google, très avancé sur l’intégration verticale…

L’an dernier, les capacités de gouvernance qu’apporte l’intégration de Dataplex à Vertex AI avaient fait mouche auprès de Gartner. Même chose pour les avancées dans le RAG (ancrage sur Google Search et sur les données d’entreprise, gestion du structuré et du non structuré…). Et pour la co-innovation avec certains clients.

Cette année, Gartner souligne le niveau d’intégration verticale de Vertex AI (officiellement rebaptisé Gemini Enterprise Agent Plaform), qui a permis à Google de minimiser les dépendances. Dans le même temps, il se distingue par son focus sur l’interopérabilité à travers le protocole A2A. Et par les nombreux agents qu’il fournit aux métiers de la data science.

… mais pas sans chevauchements

Le support tiers de l’offre DSML de Google n’est pas aussi important que chez la concurrence, avait fait remarquer Gartner l’an dernier. Il avait ajouté que le cœur de Vertex AI pouvait se révéler difficile à utiliser sans couches d’abstraction. Et souligné la confusion qu’était susceptible d’entraîner la multiplicité des solutions RAG.

L’extension rapide du portefeuille a engendré des chevauchements fonctionnels entre produits (Vertex AI Search, Vertex AI Agent Engine, Antigravity, Agentspace…) et l’ombrelle Vertex AI Agent Builder. Quand aux coûts, ils s’avèrent souvent imprévisibles, et le système de tarification par paliers complique les prévisions. Par ailleurs, avec l’accent mis sur les LLM, exploiter des techniques IA traditionnelles peut se révéler plus délicat que sur d’autres plates-formes.

IBM, salué sur la gouvernance…

En 2025, outre l’exhaustivité de la gamme d’outils d’IBM (frameworks, modèles de fondation, infrastructure), Gartner avait rappelé les bénéfices liés à l’acquisition de DataStax sur la partie RAG. Il lui avait aussi donné un « bon point innovation », notamment pour ses LLM Granite et ses implémentations d’AutoRAG et d’InstructLab.

Cette année, la remarque sur le RAG est plus globale : les multiples techniques proposées favorisent les cas d’usage en recherche approfondie. IBM a aussi pour lui de nombreux modèles maison (spécialisés et multimodaux). Et sa brique de gouvernance, qui s’étend au-delà des modèles et agents bâtis sur watsonx.

… plutôt que sur l’orchestration

L’an dernier, Gartner avait pointé le manque de notoriété d’IBM sur ce segment, surtout vis-à-vis des fournisseurs ayant aussi des produits grand public. Il avait aussi expliqué que le niveau d’intégration avec GCP n’était pas le même qu’avec AWS et Azure. Et regretté qu’IBM mette peu en avant le potentiel de SSPS comme cœur data science au sein de watsonx.

Les remarques sont différentes cette année. Parmi elles, il y a l’absence d’agents dédiés pour la modélisation et l’opérationnalisation. Il y a aussi la difficulté potentielle, pour qui exploite la plate-forme watsonx, à bien cerner quel produit apporte quoi. Autre limite : les solutions de développement et d’orchestration d’agents sont limitées pour ce qui d’intégrer une couche de contexte couvrant sémantique et graphes de connaissances.

Chez Microsoft , une couche de contexte notable…

En 2025, Gartner avait salué le niveau d’innovation au sein d’Azure ML (modèles, options de déploiement, licensing), avec comme emblème Azure AI Foundry Labs, destiné à l’expérimentation de frameworks IA. Il avait aussi signalé l’exhaustivité de l’écosystème de partenaires et la tarification flexible de la GenAI.

Cette année, Microsoft a un bon point pour la capacité d’Azure ML à toucher un large évental de profils d’utilisateurs. Il en d’autres pour sa couche de contexte Fabriq IQ et pour son catalogue de modèles et connecteurs.

… mais des previews qui se prolongent

Les rebrandings fréquents, doublés de « multiples itérations d’offres d’IA », avaient déplu à Gartner l’an dernier. Il avait aussi noté la diffusion très progressive de Copilot pour la data science (au départ, uniquement dans les notebooks). Et la réduction de l’écart de performance entre les modèles d’OpenAI et ceux des autres fournisseurs.

Cette année, on parle de la négociation contractuelle : les retours à son propos sont globalement plus négatifs que chez les concurrents. Gartner note aussi que beaucoup de fonctionnalités touchant à l’IA ont tendance à rester longtemps en version expérimentale. Et évoque un risque de confusion naissant du fait que Microsoft promeut Foundry comme plate-forme par défaut pour ses agents IA tout en continuant à mettre Azure ML en avant pour le MLOps.

Illustration © Gaihong – Adobe Stock

The post Data science : l’IA, facteur de décentralisation appeared first on Silicon.fr.

À l’horizon 2030, au moins 32 % des étudiants de l’enseignement supérieur devraient être inscrits dans des filières STIM.

Tel était l’un des caps que la Commission européenne avait fixés, début 2025, dans son plan stratégique dédié à ces filières. Pour entériner les objectifs au niveau de l’UE, elle avait ouvert la voie à un dialogue avec les 27.

Ces derniers ont validé l’essentiel des indicateurs cibles. Ils les ont inscrits dans une résolution du Conseil européen. Celle-ci lance le deuxième cycle (2026-2030) du cadre stratégique de coopération européenne sur l’éducation et la formation.

L’IA, à la périphérie en 2021, au centre en 2026

La résolution initiale – ayant lancé le premier cycle – remonte à février 2021.

De l’une à l’autre, il y a toujours, en ligne de mire, un « espace européen de l’éducation ». Lequel doit permettre aux apprenants « de poursuivre leurs études à différents stades de leur vie et de rechercher un emploi dans toute [l’UE] ».

On ne parle plus, en revanche, de la crise Covid. La résolution de 2021 avait, entre autres, pointé son caractère révélateur quant aux « effets de la fracture numérique et des lacunes en matière de connectivité au sein des États membres ».

Dynamique inverse pour l’IA. Il y a 5 ans, le Conseil ne l’avait mentionnée qu’une fois, et dans le cadre d’un élément de contexte politique (une communication de 2018 de la Commission intitulée « Un plan coordonné dans le domaine de l’intelligence artificielle »). Cette fois, elle jalonne la feuille de route, alimentant l’essentiel des objectifs qui structurent cette dernière.

Un nouvel objectif dédié aux compétences numériques

4 des 5 objectifs de 2021 ont été maintenus dans leurs grandes lignes. Ils ont « absorbé » l’autre, qui s’y prêtait par sa transversalité (« soutenir les transitions écologique et numérique dans l’éducation et la formation par leur intermédiaire »).

Les 27 ont ajouté un sixième objectif : « Développer les compétences numériques et l’éducation à la citoyenneté ». Leur postulat sur les compétences numériques : elles sont devenues essentielles sur presque tous les pans de la société et de l’économie. Ils les disent « clés » pour l’exercice de la citoyenneté, l’employabilité, l’inclusion sociale et le bien-être… tout en affirmant qu’elles « contribuent grandement à améliorer la compétitivité européenne ».

L’éducation au numérique devrait englober l’IA et son usage « éthique et responsable », précise le Conseil. Il y ajoute :

• Médias
• Maîtrise des données et des outils numériques
• Pensée critique
• Bien-être numérique
• Lutte contre la mésinformation, la désinformation et le cyberharcèlement

Ces éléments sont interdépendants. La compréhension de l’IA peut constituer une réponse à la désinformation. Comme la maîtrise des données et des outils numériques peut renforcer la pensée critique.

Le levier des microcertifications

On retrouve des références à l’IA concernant l’objectif d’excellence et d’attractivité de l’EFP (enseignement et formation professionnels). Dans ce domaine, les 27 constatent surtout un « besoin pressant » de renforcement sur les STIM (sciences, technologies, ingénierie et mathématiques). Y compris dans la montée en compétence des enseignants et des formateurs.

Même remarque pour l’enseignement supérieur. Avec un levier évoqué à plusieurs reprises : les microcertifications, dont l’usage pourrait traduire efficacement les démarches d’upskilling et de reskilling.

Des indicateurs cibles spécifiques aux STIM

Certains indicateurs cibles définis en 2021 restent d’actualité pour la deuxième phase. Par exemple, d’ici à 2030, abaisser sous les 15 % la proportion de jeunes de 15 ans ayant une maîtrise insuffisante en compréhension de l’écrit, en maths et en sciences. Plus précisément, qui n’atteignent pas au moins le niveau 2 sur l’échelle PISA.

Autre cible maintenue : moins de 15 % d’élèves en huitième année de scolarité (13-14 ans) ayant une maîtrise des outils informatiques et une culture de l’information insuffisantes. Base de calcul : l’étude de l’IEA (Association internationale pour l’évaluation du rendement scolaire).

Sur ce dernier point, la résolution 2026 ajoute un objectif d’au moins 12 % d’élèves atteignant le niveau 5 PISA (sur 6 échelons). Et elle entérine donc, en parallèle, ceux qui figurent dans le plan stratégique STIM de la Commission européenne. À savoir :

• Dans l’EFP initiale de niveau moyen, au moins 45 % d’étudiants dans les filières STIM, dont au moins 20 % de femmes
• Dans l’enseignement supérieur, au moins 32 % d’étudiants dans les filières STIM, dont au moins 40 % de femmes
• Au sein des programmes doctoraux, au moins 5 % d’étudiants dans le domaine des TIC, dont au moins un tiers de femmes

Illustration générée par IA

The post L’UE grave l’IA dans sa stratégie éducation-formation appeared first on Silicon.fr.

Oui, Meta est ouvert à l’idée de louer ses ressources de calcul excédentaires.

Mark Zuckerberg l’avait affirmé fin mai dans le cadre de l’assemblée générale annuelle. Il n’avait pas non plus exclu l’idée d’une offre « à la Bedrock » (accès API à des modèles d’IA).

Depuis, les choses se sont précisées en interne, semble-t-il. Une activité couvrant potentiellement ces deux aspects serait en cours de développement. Elle s’inscrirait dans une initiative dite Meta Compute.

2,3 Md$ payés à Broadcom en 2025

Meta n’a pas confirmé cette bribe d’information qui a tout de même valu une belle envolée à son cours boursier (hausse de plus de 10 %). Il faut dire que la capacité de calcul est là… en tout cas sur le papier. Par exemple via un accord signé en début d’année avec NVIDIA pour le déploiement de « milliers de GPU » Blackwell et Rubin – en plus de CPU Grace et possiblement Vera à l’horizon 2027. Il y aussi un contrat avec AMD. Engagement : installer, à partir du deuxième semestre 2026, jusqu’à 6 GW en GPU Instinct et en CPU EPYC.

Meta développe aussi ses propres puces d’inférence et d’entraînement, pour lesquelles il a communiqué une roadmap en mars. Une démarche menée en association avec Broadcom, à qui il a payé environ 2,3 Md$ à ce titre en 2025.

L’infrastructure IA coûte, les talents aussi

Cette année-là, le chiffre d’affaires global de Meta a avoisiné les 200 Md$, en augmentation de 22 % par rapport à 2024. Les dépenses en R&D ont progressé plus nettement (+ 31 %, à 57,4 Md$), essentiellement en raison des initiatives IA. Il y a l’infrastructure, certes, mais aussi la rémunération des employés, sur des métiers en grande tension – Meta a déjà connu un exode de ses chercheurs.

Le poids financier de l’IA se ressent sur d’autres indicateurs de l’année 2025. Parmi eux, les liquidités affectées aux activités d’investissement. Elles ont dépassé les 100 Md$. Serveurs, datacenters et réseau y ont largement contribué, selon Meta, qui confirme anticiper jusqu’à 135 Md$ de capex sur 2026. Mécaniquement, l’actif des biens d’équipement est passé de 68 à 98 Md$ en un an.

Les obligations locatives ont également dépassé les 100 Md$. Là aussi, les infrastructures IT sont en première ligne. Elle pèsent pareillement sur les engagements contractuels (131 Md$ fin 2025), à commencer par les contrats avec les fournisseurs cloud.

Muse Spark, fenêtre de tir pour une éventuelle API

Pour ce qui est d’une éventuelle offre d’API, Meta a un argument nommé Muse Spark. Ce modèle, annoncé en avril, est le premier qu’a produit sa division Superintelligence Labs. Cette dernière, créée à l’été 2025, a à sa tête Alexandr Wang. L’intéressé a cofondé Scale AI, entreprise dans laquelle Meta a investi 14 Md$ en échange de 49 % du capital.

Plus récemment, Meta a alimenté sa stratégie IA par l’acquisition de Moltbook, le « Reddit des bots IA ». Il a aussi annoncé supprimer 10 % de ses effectifs au nom du financement de cette même stratégie.

Illustration générée par IA

The post Meta va-t-il devenir un néocloud ? appeared first on Silicon.fr.