Le Pentagone à court de jetons, Microsoft parie sur Mistral

Ce matin, une histoire qui parlera à quiconque gère une facture d'IA. La plateforme Ask Sage du département de la Défense américain, censée offrir un accès « illimité » à des modèles comme Gemini, Llama et ChatGPT, a vidé sa réserve annuelle de 100 millions de jetons dès la mi-juin — quelques semaines après des annonces d'adoption massive.

Résultat : des avis de rationnement envoyés au personnel et une prévision budgétaire prise en défaut. Le mot « illimité » côté fournisseur ne veut pas dire gratuit côté client : chaque requête gruge un quota bien réel.

La leçon vaut pour toute organisation qui déploie l'IA à grande échelle. Sans mesure de la consommation par équipe et par tâche, un projet enthousiaste peut brûler son budget avant même la fin du trimestre.

Ce matin, Microsoft et le français Mistral officialisent une entente de plusieurs milliards de dollars. Microsoft financera l'expansion des centres de données européens de Mistral et servira une partie de sa clientèle infonuagique depuis ces installations, situées notamment en France.

Mistral étend son infrastructure avec des milliers de puces Nvidia Vera Rubin, et deux de ses modèles — Medium 3.5 et OCR 4 — rejoignent le catalogue Azure Foundry. Le calcul est clair pour Microsoft : offrir aux industries réglementées une solution de rechange aux modèles et à l'infrastructure américains, sans les faire sortir de son propre nuage.

Pour une entreprise d'ici soucieuse de la souveraineté de ses données, c'est un signal concret : héberger son IA en Europe, sur une pile non américaine, devient une option crédible et appuyée par un géant.

Ce matin, Google élargit sa gamme avec trois nouveaux modèles — Gemini 3.6 Flash, 3.5 Flash-Lite et 3.5 Flash Cyber — pendant que le vaisseau amiral se fait toujours attendre. Le 3.6 Flash coûte moins cher que le 3.5 qu'il remplace (environ 1,50 $ US par million de jetons en entrée), mais ses résultats restent au niveau de Grok 4.5 et de GPT-5.6, sans bond de raisonnement.

Le Gemini 3.5 Pro, lui, rate une troisième échéance : Google dit le « tester avec des partenaires » et promet une sortie « dès qu'il sera prêt ». En coulisses, l'entreprise confirme avoir lancé son plus gros pré-entraînement à ce jour, celui de Gemini 4.

Pour qui choisit un modèle, le message est double : les options rapides et bon marché se multiplient, mais le haut de gamme de Google n'est toujours pas au menu.

Ce matin, la pression américaine sur l'IA chinoise se précise. Le secrétaire au Trésor, Scott Bessent, a prévenu que Washington pourrait sanctionner des laboratoires chinois s'il trouve des preuves de vol de propriété intellectuelle sur des modèles américains. L'administration dit vouloir examiner les modèles ouverts venus de Chine pour y déceler des traces de « distillation » — l'entraînement d'un modèle à partir des réponses d'un autre.

C'est le durcissement le plus net depuis que Washington a commencé à chercher des moyens de brider ces modèles. Bessent assure soutenir l'ouverture du code, mais pas la copie de la technologie américaine. La sortie survient alors que des modèles comme Kimi K3 de Moonshot gagnent du terrain en programmation.

Pour une PME qui bâtit sur un modèle ouvert chinois, le risque n'est plus seulement technique : il devient réglementaire, et peut changer du jour au lendemain.

Ce matin, Xiaomi dévoile Xiaomi-Robotics-1, un modèle de fond pour robots entraîné sur plus de 100 000 heures de gestes réels. Son résultat marquant tient en une phrase : la diversité des données compte plus que la taille du modèle.

Pour contourner la rareté des données, l'équipe a largement délaissé les vrais robots pendant la collecte. Des poignées portatives munies de caméras, qu'une personne saisit et manipule à la main, ont servi à enregistrer des tâches dans des cuisines, des bureaux et des usines, sans qu'aucun robot soit présent. Une fois entraîné, le modèle atteint environ 75 % de réussite sur des tâches comme emballer un colis ou charger une lessive, avec moins de dix heures de démonstration par tâche.

Pour la robotique commerciale, c'est encourageant : progresser devient une question de données bien choisies, pas seulement de puissance de calcul.

Ce matin, la jeune pousse Poolside publie Laguna S 2.1, un modèle de programmation à poids ouverts qu'elle présente comme le plus capable de l'Ouest. L'architecture combine 118 milliards de paramètres au total, mais n'en active que 8 milliards à la fois, avec une fenêtre de contexte d'un million de jetons et un mode « réflexion » activable.

Sur les bancs d'essai Terminal-Bench 2.1 et SWE-Bench Pro, il rivalise avec des modèles plusieurs fois plus gros, tout en restant assez léger pour tourner sur un seul poste de travail. Développé en moins de neuf semaines, il reste toutefois derrière les meilleurs modèles ouverts chinois comme Kimi K3.

Pour un atelier de développement, l'intérêt est direct : un modèle de code sérieux, gratuit et exécutable à l'interne, sans dépendre d'une interface payante à l'usage.