Murati ouvre son jeu, NVIDIA branche le Japon

Thinking Machines, le laboratoire fondé par l'ancienne directrice technique d'OpenAI Mira Murati, publie Inkling, son premier modèle — et le met en libre accès sous licence Apache 2.0. C'est une architecture à experts : 975 milliards de paramètres au total, mais environ 41 milliards activés par requête, entraînée sur 45 000 milliards de jetons de texte, d'image, de son et de vidéo.

Murati assume un pari à contre-courant. Plutôt que de viser le sommet des palmarès, Inkling mise sur la personnalisation et sur des réponses calibrées qui signalent leur incertitude au lieu de deviner; un cadran d'« effort » laisse arbitrer entre vitesse et profondeur de raisonnement. Pour une entreprise, le message est concret : un modèle de ce calibre, téléchargeable et modifiable sans redevance, rend le déploiement interne réaliste. Le labo ne cherche pas à le monétiser — il vend son outil de personnalisation, Tinker.

OpenAI a bâti GPT-Red, un modèle interne dont le seul travail est de pirater les autres modèles maison : injections d'instructions cachées dans un courriel, un site ou un fichier. Entraîné par jeu autonome — l'attaquant et des modèles défenseurs progressent ensemble —, il réussit ses attaques dans 84 % des scénarios de test, contre 13 % pour des experts humains sur les mêmes épreuves.

Les failles trouvées nourrissent l'entraînement : GPT-5.6 Sol encaisse six fois moins d'échecs sur l'injection directe que le meilleur modèle d'il y a quatre mois. L'outil reste interne, car il contient des capacités offensives assumées. Pour qui déploie des agents qui lisent des courriels ou naviguent seuls, la leçon est nette : l'injection d'instructions n'est pas réglée — environ 3,8 % des attaques les plus fortes passent encore —, mais on sait enfin la mesurer et la réduire à l'échelle.

NVIDIA a dévoilé un maillage de partenariats qui arrime l'industrie japonaise à ses puces, sur fond de visite de Jensen Huang et d'un événement du ministère de l'Économie consacré à l'« IA physique », la robotique autonome. Les pharmas Astellas, Takeda, Daiichi Sankyo et Eisai passent à BioNeMo pour la découverte de médicaments; Mizuho monte « la plus grande usine d'IA sur site » de la finance japonaise sur des systèmes DGX B200; RIKEN fait tourner un supercalculateur de 1 600 puces Blackwell; Toyota étend son partenariat pour la conduite autonome.

Le fil conducteur, c'est la souveraineté : le Japon veut son IA développée chez lui, sur du matériel qu'il maîtrise. Pour NVIDIA, c'est un débouché national presque entier qui se verrouille; pour les fournisseurs locaux, c'est la bascule vers une infrastructure commune plutôt que des projets isolés.

Suite du dossier des derniers jours : après que son outil de code en ligne de commande a téléversé en douce des dossiers entiers d'utilisateurs — clés SSH, mots de passe, documents — vers ses serveurs, xAI publie aujourd'hui l'intégralité du code de Grok Build sur GitHub, sous licence Apache 2.0, soit près de 845 000 lignes de Rust.

Elon Musk affirme que toutes les données téléversées seront effacées, et l'outil tourne désormais en local, sans envoi vers l'infonuagique; le stockage était déjà désactivé par défaut depuis le 12 juillet. Ouvrir le code est une manœuvre de transparence pour regagner la confiance après la brèche. Pour un développeur, l'intérêt est double : auditer soi-même ce que l'agent transmet, et faire tourner un agent de codage complet — édition de dépôt, commandes shell, recherche web — sans dépendre d'un service opaque.

Anthropic, Blackstone et Hellman & Friedman lancent Ode, une firme de services d'IA pour les entreprises, dotée d'environ 1,5 milliard de dollars américains par un consortium — les trois fondateurs y mettent quelque 300 millions chacun, Goldman Sachs 150 millions. La thèse : la prochaine grande entreprise de l'IA, ce n'est pas un modèle de plus, c'est l'implantation, soit brancher l'IA dans les opérations quotidiennes.

Ode s'appuie sur Fractional AI, rachetée en mai, et vise les entreprises de taille moyenne coincées au stade des projets pilotes. Elle combine les modèles d'Anthropic à des équipes d'ingénieurs qui cernent où l'IA rapporte, puis bâtissent les systèmes. Pour un dirigeant, le signal est clair : le goulot n'est plus la puissance des modèles, mais la capacité à les intégrer — et de gros capitaux parient désormais là-dessus.

Une brèche chez Suno met au jour comment le générateur de musique par IA a constitué ses données. En novembre, un ver de chaîne d'approvisionnement (npm) a volé les identifiants d'un employé et ouvert l'accès au code source : on y lit des inventaires de collecte massive — plus de deux millions d'extraits tirés de YouTube Music, plus des dizaines de milliers d'heures venant de Deezer, Genius et de bibliothèques musicales.

Des données clients — courriels, numéros, fragments de cartes — auraient aussi fuité; Suno n'avait pas prévenu ses abonnés, parlant d'« incident limité et vite maîtrisé ». L'enjeu est juridique : contourner les protections de YouTube pour aspirer des chansons peut violer le DMCA, et les maisons de disques poursuivent déjà Suno. Pour toute l'IA générative, la provenance des données d'entraînement passe du non-dit au dossier de preuve.