Du 15 au 17 juin 2026, la France a accueilli le sommet du G7 à Évian. Pour la première fois, les patrons des trois plus grands laboratoires d'IA mondiaux, Sam Altman (OpenAI), Dario Amodei (Anthropic) et Demis Hassabis (Google DeepMind), se sont assis à la table des chefs d'État, aux côtés du Français Arthur Mensch (Mistral AI). Une photo historique qui a surtout révélé les fractures des démocraties sur la gouvernance de l'IA.
Ce qu'il faut savoir
- Un déjeuner inédit : le 17 juin, dirigeants et une douzaine de patrons de l'IA ont débattu du déploiement « sûr, rapide et efficace » de la technologie.
- Un appel à une coalition menée par les États-Unis : Amodei et Hassabis ont plaidé pour un accès structuré aux modèles de pointe et un commerce de puces excluant la Chine. Altman, lui, a renvoyé la responsabilité aux États : « Ne cédez pas vos responsabilités à des laboratoires comme le mien. »
- Aucun texte contraignant sur l'IA : malgré l'événement, aucune déclaration dédiée n'a été signée. Le seul texte numérique adopté porte sur la protection des mineurs en ligne.
- Une crise de souveraineté en toile de fond : cinq jours plus tôt, Washington avait forcé Anthropic à couper l'accès de ses modèles de pointe à tout utilisateur étranger. Les dirigeants ont évoqué un mécanisme de « partenaires de confiance » pour rétablir l'accès des alliés, sans le finaliser.
Enjeux et perspectives
L'épisode Anthropic a transformé un débat théorique sur la souveraineté en réalité brutale : les États-Unis concentrent l'essentiel de la puissance de calcul mondiale, l'Europe à peine 5 %. C'est tout l'enjeu pour un acteur comme Mistral, seule voix européenne à cette table. D'où l'avertissement de la France, qui réclame de mieux réguler ces modèles sans céder à « la non-coopération entre démocraties ». Le sommet a aussi exposé les fractures du camp occidental, entre une Europe qui veut encadrer par le risque et des États-Unis qui allègent leurs règles pour garder l'avance sur la Chine. La vraie question n'est plus de savoir si les démocraties veulent coopérer sur l'IA, mais si elles le peuvent encore, quand l'une d'elles tient seule la prise de courant.
La Suisse arrive en tête mondiale pour la part de capital-risque orientée vers la deep tech, avec 63 % des financements VC selon le Swiss Deep Tech Report 2026, publié le 17 juin. L'enjeu : transformer sa recherche universitaire en entreprises d'IA, de robotique et de calcul avancé qui restent et grandissent sur place.
Ce qu'il faut savoir
- Un financement très concentré : sur 2020-2026, ces 63 % placent la Suisse devant la Chine (56 %) et les États-Unis (54 %), soit près du double de l'Allemagne ou du Royaume-Uni.
- Un effort élevé par habitant : avec 1 470 dollars investis par personne, la Suisse est première en Europe et dans le top 3 mondial, aux côtés d'Israël et des États-Unis.
- Un vivier qui se densifie : l'IA et le machine learning représentent désormais une nouvelle entreprise deep tech sur quatre, et l'ETH Zurich et l'EPFL sont les premières universités d'Europe pour les spinouts.
Enjeux et perspectives
La deep tech désigne ici des sociétés bâties sur des avancées lourdes, capteurs de précision, robotique, puces, et non de simples applications grand public. La force suisse est de convertir vite sa recherche en entreprises industrielles, ce qui attire les fonds internationaux. C'est aussi sa fragilité : 88 % des grands tours, au-delà de 100 millions de dollars, viennent de l'étranger, et seulement 12 % de financement local. Sans capital domestique pour les phases tardives, le risque est clair : voir partir, au moment de changer d'échelle, les entreprises que le pays a fait naître.
Un artiste conceptuel anonyme, connu sous le pseudonyme SHL0MS, a publié sur X le détail d'un vrai Monet en le présentant comme une image générée par IA. L'expérience a déclenché une vague de critiques erronées et relancé le débat sur notre capacité à juger une œuvre une fois qu'on lui colle l'étiquette « IA ».
Ce qu'il faut savoir
- Un vrai Monet présenté comme faux : l'image provenait d'un tableau de la série Water Lilies, peint vers 1915 et conservé à la Neue Pinakothek de Munich.
- Des critiques prises au piège : plusieurs internautes ont décrit l'image comme une production IA « incohérente », « artificielle » ou « sans émotion », sans vérifier son origine.
- Des experts ont identifié l'œuvre : des spécialistes ont relevé des indices matériels comme les coups de pinceau, l'empâtement et les couleurs typiques des derniers Monet.
Enjeux et perspectives
Toute l'affaire tient à un réflexe absent : vérifier avant de juger. L'expérience montre qu'une simple étiquette « IA » suffit à renverser la perception, même face à une œuvre de musée. Le problème n'est pas l'outil, c'est l'empressement. Pour quiconque manipule des images en ligne, les parades existent et sont concrètes : recherche d'image inversée, consultation de catalogues fiables, avis d'expert. La vraie compétence des prochaines années ne sera pas de produire avec l'IA, mais de garder son jugement quand tout pousse à le suspendre.
Une « compute tax », qui taxerait chaque unité de calcul utilisée par l'IA, refait surface dans le débat public. La vraie question : faut-il taxer le calcul pour amortir les pertes d'emplois et compenser une assiette fiscale qui rétrécit, ou est-ce surtout le meilleur moyen de brider l'innovation ?
Ce qu'il faut savoir
- D'où vient l'idée : près des trois quarts des recettes fiscales fédérales américaines reposent sur le travail (salaires, charges). Si l'IA réduit la demande de main-d'œuvre, cette assiette se contracte, d'où l'idée de taxer le calcul pour la remplacer.
- Qui est pour, et pourquoi : dans la lignée de la « taxe sur les robots » défendue par Bill Gates, des économistes et responsables publics y voient un moyen de ralentir l'automatisation, de financer les filets sociaux (voire un revenu universel) et de capter une part de la richesse créée par l'IA.
- Qui est contre, et pourquoi : des think tanks comme l'ITIF, Cato ou Reason, et beaucoup d'économistes, jugent la taxe contre-productive. Elle renchérit un intrant utilisé partout, avec un effet de cascade sur tous les produits en aval, freine la productivité et l'adoption (surtout pour les PME) et pousse les investissements à l'étranger (centres de données au Brésil, au Mexique, aux Émirats) sans ralentir l'IA mondiale. Beaucoup comparent l'idée à « taxer l'acier pendant la révolution industrielle ».
- Une piste alternative : plutôt que taxer le calcul, qui est un intrant, plusieurs économistes préfèrent taxer la consommation de services IA (frais sur les services numériques, taxe sur les contenus générés), qui rapporte sans décourager l'investissement.
Enjeux et perspectives
Le débat oppose deux lectures. Pour ses partisans, l'IA va concentrer la valeur dans le capital et vider l'assiette fiscale du travail : sans nouvel impôt, l'État perdrait les moyens de financer la protection sociale au moment où elle deviendrait la plus nécessaire. Pour ses détracteurs, le problème est mal posé. La part du capital dans les revenus n'a pas vraiment augmenté, le risque de chômage de masse est surestimé (au plus 8 % des emplois sont très exposés), et taxer le calcul reviendrait à se tirer une balle dans le pied en cédant le terrain de l'IA à d'autres pays. Reste un point d'accord, même chez les sceptiques : si l'IA finit par déplacer durablement le travail, il faudra bien trouver où prélever, et le vrai sujet sera moins de freiner le calcul que de repenser ce qu'on taxe.
L'administration Trump discute avec des entreprises d'IA de prises de participation qui permettraient aux Américains de profiter financièrement de leur croissance, selon Bloomberg et CNBC. OpenAI est le principal candidat cité, avec l'idée d'alimenter un fonds public à partir d'actions de l'entreprise.
Ce qu'il faut savoir
- Un gain public direct : CNBC rapporte que l'administration Trump a discuté avec OpenAI d'une prise de participation. L'entreprise pourrait donner des actions à l'État pour amorcer un « Public Wealth Fund » dont les retours seraient redistribués directement aux citoyens.
- Un précédent récent : l'État américain s'est déjà fait actionnaire, en prenant 10 % du capital d'Intel l'an dernier, fabricant de puces en difficulté.
- Un débat qui dépasse les partis : le sénateur Bernie Sanders propose, lui, une voie contraignante, une taxe exceptionnelle de 50 % payée en actions par OpenAI, Anthropic et xAI si elles entrent en Bourse.
Enjeux et perspectives
L'idée est simple : transformer une partie de la valeur créée par l'IA en bénéfice financier direct pour le public. Mais elle change la nature de la relation entre Washington et les laboratoires d'IA. L'État n'y est plus seulement régulateur, il devient partenaire, voire actionnaire, d'une industrie qu'il est aussi censé surveiller. C'est précisément le risque que pointe David Sacks, ex-responsable de l'IA à la Maison-Blanche : une fusion plus étroite entre grandes entreprises technologiques et gouvernement. Pour les entreprises, céder des actions revient à partager leurs gains futurs et à laisser entrer l'État dans leur capital, au moment même où plusieurs préparent leur entrée en Bourse.
L'UNIDIR, institut de recherche des Nations unies sur le désarmement, a tenu les 18 et 19 juin 2026 à Genève et en ligne la deuxième Global Conference on AI, Security and Ethics. L'enjeu : réunir diplomates, militaires, chercheurs, industriels et société civile autour de règles concrètes pour l'IA appliquée à la sécurité.
Ce qu'il faut savoir
- Un cadre de l'ONU qui passe à l'action : après deux résolutions posant les grands principes, la conférence cherche désormais des mesures concrètes et vérifiables. Elle a aussi lancé un Centre d'excellence sur l'IA, la paix et la sécurité, chargé de faire vivre ce travail entre deux sommets.
- Des usages de défense très concrets : les sessions ont porté sur les biais des modèles, l'IA à double usage civil-militaire, les agents capables d'enchaîner des actions, la cybersécurité et l'imagerie satellite.
- Un dialogue public-privé assumé : Microsoft co-sponsorise l'événement, et des industriels comme Palantir, Helsing ou Kongsberg figuraient parmi les intervenants, aux côtés d'États, d'universités et d'organisations internationales.
Enjeux et perspectives
Le cœur du sujet est de transformer des règles éthiques en exigences vérifiables pour des systèmes utilisés dans des contextes sensibles. Un outil d'analyse d'images satellite ou d'aide à la cyberdéfense doit pouvoir être audité avant d'orienter une décision de sécurité. Or plusieurs ONG alertent : sur le terrain, l'adoption militaire de l'IA va déjà plus vite que les tests censés en garantir l'usage légal. L'UNIDIR n'est pas un régulateur mondial, et c'est là toute l'ambiguïté de l'exercice : créer un langage commun entre États aux intérêts divergents et industriels de la défense, sans pouvoir l'imposer.
Le 2 juin 2026, lors de Build, Microsoft a présenté MAI-Thinking-1, son premier modèle de raisonnement avancé. Le signal est clair : Microsoft accélère le développement de ses propres modèles, après des années de forte dépendance aux technologies d'OpenAI.
Ce qu'il faut savoir
- Un modèle de raisonnement maison : MAI-Thinking-1 est décrit par Microsoft comme un modèle de taille moyenne, entraîné de zéro sur des données propres, capable d'égaler des modèles de référence sur certains tests de génie logiciel et de mathématiques.
- Une gamme élargie : Microsoft a annoncé sept modèles au total, couvrant le raisonnement, l'image, la transcription, la voix et le code.
- Des outils déjà connectés aux usages pro : MAI-Code-1-Flash, le modèle dédié au code, est intégré à GitHub Copilot et Visual Studio Code, utilisés par les développeurs pour écrire, corriger et compléter du code.
Enjeux et perspectives
Microsoft réduit sa dépendance à OpenAI en internalisant une partie clé de sa technologie. Le vrai enjeu est structurel. Pendant des années, Microsoft a été le meilleur distributeur de l'intelligence d'un autre. En bâtissant ses propres modèles, entraînés sur des données qu'il contrôle et déployables au-delà d'Azure, il cherche à posséder le moteur plutôt qu'à le louer. Pour les entreprises clientes, cela ouvre une alternative aux modèles d'OpenAI, mieux intégrée à l'écosystème Microsoft.
Le 19 mai 2026, Google a consacré sa keynote I/O à une idée simple : faire passer Gemini, son IA la plus avancée, au cœur de tous ses produits. Jusqu'ici, l'IA de Google était dispersée, ajoutée par petites touches ici et là. Désormais, elle devient le socle commun de Search, Workspace, YouTube, Android et des futurs appareils XR.
Ce qu'il faut savoir
- Des assistants qui exécutent des tâches : Gemini Spark est présenté comme un agent personnel qui fonctionne en arrière-plan pour trier une boîte mail, organiser des documents, suivre des confirmations ou préparer un brief matinal à partir de Gmail et Calendar.
- La vidéo plus simple à produire : Gemini Omni Flash permet de créer et retoucher une vidéo par de simples instructions, à partir de texte, photo, vidéo ou audio.
- Search devient un espace d'action : Google ajoute des recherches plus conversationnelles, des agents de veille qui travaillent en continu, et un panier universel qui suit les bonnes affaires sur le web.
Enjeux et perspectives Les géants qui détiennent une IA de pointe musclent leurs outils de travail à coups d'IA centralisée et plus performante. Le hic, c'est que les keynotes vendent des scénarios de rêve entièrement automatisés qui, en pratique, demandent beaucoup d'adaptation au quotidien. Une partie de la hype reste donc une promesse en l'air. Et derrière la démonstration, un sujet passe souvent au second plan chez certains de ces géants : la confidentialité de nos propres données.
Sina Weibo, géant chinois des réseaux sociaux connu pour sa plateforme de microblogging, a publié un rapport sur VibeThinker-3B, un modèle d'IA open source de 3 milliards de paramètres. Ses scores élevés en maths et en code relancent le débat sur la fiabilité des benchmarks et la course aux modèles toujours plus grands.
Ce qu'il faut savoir
- Un petit modèle très performant : VibeThinker-3B atteint 94,3 sur AIME 2026, un concours de maths exigeant, à égalité avec DeepSeek V3.2, un modèle environ 224 fois plus gros.
- Des limites hors raisonnement : sur GPQA-Diamond, test de connaissances scientifiques, il plafonne à 70,2 contre 91,9 pour Gemini 3 Pro. Ses auteurs l'assument : il raisonne, mais ne remplace pas un grand modèle riche en savoir.
- Des doutes sur l'usage réel : des utilisateurs pointent des faiblesses en développement courant et soupçonnent du « benchmaxxing », un modèle calibré pour briller aux tests plus que dans le travail réel.
Enjeux et perspectives
Le vrai sujet est économique : un modèle de 3 milliards de paramètres coûte bien moins cher à entraîner et faire tourner, au point de tenir sur un ordinateur portable. S'il tient ses promesses, il fissure l'idée que le raisonnement de pointe exige une infrastructure colossale. Mais un bon score de benchmark ne dit rien de la tenue sur un vrai poste de travail. La piste la plus crédible n'est pas un modèle géant bon partout, mais une constellation de petits modèles spécialisés, chacun taillé pour une tâche précise, épaulés par de grands modèles pour le savoir général.
Selon Reuters, Kirkland & Ellis va consacrer 500 millions de dollars au développement de sa propre plateforme d'IA. Pour un cabinet d'avocats d'affaires, c'est un investissement d'une ampleur rare.
Ce qu'il faut savoir
- Un investissement massif et étalé : Kirkland prévoit de dépenser 500 millions de dollars sur trois à quatre ans, dont 100 millions dès 2026, pour bâtir une plateforme d'IA interne.
- Un acteur juridique, pas une Big Tech : Kirkland & Ellis est le cabinet d'avocats d'affaires le plus rentable au monde, avec 10,6 milliards de dollars de revenus l'an dernier, spécialisé dans les grandes opérations d'entreprise.
- Une stratégie de contrôle : la plateforme est conçue sur mesure à partir du savoir-faire de 250 de ses avocats, même si le cabinet continuera de licencier certains outils tiers. L'idée : ne plus dépendre entièrement de fournisseurs externes.
Enjeux et perspectives
Sur le papier, le levier est la productivité : relire des contrats, comparer des versions, retrouver des précédents dans de gros dossiers. L'IA ne remplace pas le jugement juridique, mais peut redessiner la répartition du travail entre associés, collaborateurs et fonctions support. Le vrai signal est stratégique. Quand tous les cabinets peuvent licencier la même IA chez les mêmes fournisseurs, cet outil cesse d'être un avantage. En construisant le sien, Kirkland fait le pari que la valeur se déplace vers ceux qui possèdent leur couche d'intelligence, pas ceux qui la louent. C'est aussi une fracture qui s'ouvre : seuls les cabinets capables d'aligner des centaines de millions peuvent suivre.
1. Qu’est-ce que c’est ?
Microsoft 365 Copilot Cowork est un agent autonome intégré à Copilot, déployé mondialement depuis le 16 juin 2026. Sa différence avec le Copilot classique est nette : là où ce dernier répond à une question ou génère un texte à la demande, Cowork enchaîne lui-même les actions jusqu’à livrer un résultat fini. Un peu comme un agent de code, mais dans le cloud et pour la bureautique. Il peut rédiger et envoyer des e-mails, planifier des réunions, créer des documents Word, Excel, PowerPoint ou PDF, publier dans Teams et organiser des fichiers. Comme ses tâches tournent dans le cloud, elles continuent même ordinateur éteint, et chaque action importante doit être approuvée avant d’être exécutée.
2. Pourquoi c’est fascinant ?
Cowork pousse Copilot au-delà de l’assistance rédactionnelle : il ne suggère plus, il agit comme un collègue numérique capable d’enchaîner plusieurs étapes de travail. On peut lui demander de récupérer des chiffres dans un Excel, d’en tirer une synthèse Word, puis de la poster dans Teams et de planifier un point de suivi, le tout dans une seule conversation. Son intérêt est particulièrement fort pour les tâches administratives répétitives, la gestion d’agenda, la préparation de communications ou la recherche d’informations dispersées dans l’organisation.
3. Pourquoi c’est limité ?
Cowork dépend fortement de l’écosystème Microsoft 365, des droits d’accès, des données disponibles et des politiques définies par les administrateurs. Plus l’agent agit seul, plus l’erreur devient coûteuse : un brouillon raté est agaçant, un tableur faussé ou une donnée sensible partagée à tort est un incident. Le modèle de facturation à l’usage (Copilot Credits, payés par action) ajoute une part d’imprévu sur le budget. Enfin, son efficacité dépendra de la qualité des données internes, des permissions et de la capacité des utilisateurs à formuler clairement leurs demandes.
