Le CPU Vera de Nvidia s'envole vers l'orbite, OpenAI dévoile la puce Jalapeño, et Perplexity passe au local
Nvidia s'associe à SpaceX pour des centres de données orbitaux utilisant le nouveau CPU Vera. OpenAI dévoile sa puce Jalapeño personnalisée, tandis que Perplexity lance une plateforme d'agents locale en premier. Thomson Reuters construit un modèle juridique propriétaire, et Meta prépare sa plateforme d'agents 'Hatch'.
Podcast В· 2 min
Le CPU Vera de Nvidia et les centres de données orbitaux de SpaceX
Nvidia a officiellement lancé son nouveau CPU Vera, une puce spécialement conçue pour gérer les tâches 'subalternes' de l'IA agentique : coordonner les outils, exécuter du code et gérer les bases de données. SpaceXAI s'est engagé comme premier client de prestige, prévoyant de déployer l'architecture Vera pour alimenter sa prochaine génération d'agents IA. Elon Musk a révélé que SpaceX a l'intention d'emporter ce matériel en orbite, avec des plans pour établir des centres de données 'Starmind' d'ici fin 2027. La plateforme Vera, qui comprend 88 cœurs 'Olympus' et jusqu'à 1,2 téraoctet par seconde de bande passante mémoire, est conçue pour résoudre le goulot d'étranglement où des GPU coûteux restent inactifs en attendant les instructions du CPU. En optimisant l'achèvement des tâches agentiques, Nvidia affirme que la puce est jusqu'à 1,8 fois plus rapide que les alternatives x86 traditionnelles. Cette décision signale l'expansion agressive de Nvidia sur le marché des CPU autonomes, ciblant une opportunité de 200 milliards de dollars. Pour SpaceX, le projet de centre de données orbital représente un pari important sur l'avenir des infrastructures. Bien que les critiques aient précédemment rejeté l'informatique spatiale comme impraticable, le partenariat avec Nvidia apporte la densité et l'efficacité matérielles nécessaires pour rendre le concept viable. Les racks durcis pour l'espace sont conçus pour être plus simples, plus légers et plus rentables que leurs équivalents terrestres, ce qui pourrait bouleverser l'économie de l'informatique orbitale dans les années à venir.
OpenAI dévoile la puce IA personnalisée 'Jalapeño'
OpenAI a publié les premiers résultats de référence pour 'Jalapeño', une puce IA personnalisée développée en partenariat avec Broadcom. Conçue spécifiquement pour exécuter des modèles d'IA plutôt que pour les entraîner, la puce de 700 watts surpasse prétendument les systèmes phares de Nvidia de 1 200 watts en termes de vitesse et d'efficacité énergétique. OpenAI crédite son modèle Astra et Codex pour avoir assisté à la conception de la puce, qui a pris neuf mois du concept à l'état prêt pour la fabrication. Malgré la performance solide, OpenAI n'a pas l'intention de vendre la puce commercialement. Le VP matériel Richard Ho a déclaré que l'entreprise a une demande interne suffisante pour utiliser la totalité de l'approvisionnement. La puce devrait atteindre les centres de données d'OpenAI plus tard cette année, la production augmentant d'ici 2027. Deux générations supplémentaires de la puce sont déjà en développement. Ce développement reflète la stratégie d'autres grands laboratoires comme Google, qui bénéficie depuis longtemps de ses TPU internes. En possédant son silicium, OpenAI vise à réduire le coût de génération des jetons et à créer une boucle de conception plus serrée et plus personnalisée pour ses futurs modèles, réduisant ainsi sa dépendance au matériel tiers pour l'inférence.
Perplexity et Nvidia lancent 'Ordinateur Portable'
Perplexity et Nvidia ont introduit 'Ordinateur Portable', une nouvelle plateforme d'agents sur appareil qui permet aux utilisateurs d'exécuter l'IA localement sur le matériel grand public DGX Spark de Nvidia. Le système offre une alternative axée sur la confidentialité aux agents basés sur le cloud, permettant aux utilisateurs de choisir entre Qwen 3.8 27B ou les propres modèles PPLX 27B de Perplexity pour des tâches locales, avec la possibilité de faire appel à des modèles cloud si nécessaire. Cette version est particulièrement significative pour ses implications en matière de coût et de confidentialité. En déplaçant la charge de travail de l'IA du cloud vers l'appareil, les utilisateurs peuvent effectuer des tâches sans consommer de crédits, à condition que le travail reste local. Le logiciel s'installe en un seul clic sur le superordinateur de bureau DGX Spark, avec la prise en charge d'autres PC attendue prochainement. Le lancement fait suite à des rapports selon lesquels Nvidia serait en pourparlers pour investir des milliards dans Perplexity à une valorisation dépassant les 30 milliards de dollars. Cette décision positionne Perplexity pour capturer la demande croissante pour l'IA locale en premier, transformant les modèles de pointe en une sauvegarde occasionnelle plutôt qu'en option par défaut, et tirant parti de la domination matérielle de Nvidia pour sécuriser sa position sur le marché.
Meta préparerait la plateforme d'agents 'Hatch'
Meta serait sur le point de lancer 'Hatch', une nouvelle plateforme d'agents IA destinée aux consommateurs, dans les semaines à venir. La plateforme est conçue pour effectuer des tâches pour le compte des utilisateurs et proposera un niveau premium compétitif avec les offres haut de gamme d'OpenAI et d'Anthropic. Parallèlement à la plateforme, Meta devrait sortir son prochain modèle phare, nom de code 'Watermelon', en octobre. Cette décision marque un changement stratégique pour Meta, qui s'est historiquement appuyée sur des services gratuits financés par la publicité. En introduisant une plateforme d'agents payante, l'entreprise tente de monétiser directement ses capacités d'IA via des abonnements consommateurs. Le succès de cette initiative dépendra de la capacité de l'agent à gérer efficacement des tâches complexes en plusieurs étapes. Les analystes du secteur observent attentivement si Meta peut réussir à faire migrer sa vaste base d'utilisateurs vers un modèle d'IA payant. La capacité de la plateforme à s'intégrer aux écosystèmes sociaux existants tout en offrant une réelle utilité sera le principal facteur de différenciation sur un marché de plus en plus encombré pour les agents IA personnels.
Thomson Reuters construit un modèle d'IA juridique propriétaire
Thomson Reuters a présenté son premier modèle d'IA maison, développé en retravaillant le Qwen open source d'Alibaba et en l'entraînant sur des décennies de contenu juridique de l'entreprise. Le projet de deux ans a coûté 40 millions de dollars en puissance de calcul et en personnel, la session d'entraînement la plus récente coûtant 450 000 dollars. Le modèle a été testé en interne et se classerait, selon les rapports, devant Claude Opus 4.8, Gemini 3.1 Pro et GPT-5.5 pour des tâches juridiques spécifiques. Le DSI Joel Hron a souligné l'importance stratégique de cette décision, comparant la location de modèles d'IA à la location d'une maison, où l'utilisateur ne construit pas de valeur à long terme. En construisant son propre modèle, Thomson Reuters vise à conserver la valeur et le contrôle de sa base de connaissances spécialisées. Une version open weights du modèle sera mise à la disposition des chercheurs. Ce développement met en évidence une tendance croissante parmi les grandes entreprises disposant d'ensembles de données approfondis et propriétaires. Alors que les coûts de formation diminuent et que les modèles de base open source s'améliorent, les entreprises choisissent de plus en plus de construire des solutions personnalisées plutôt que de se fier uniquement aux API tierces, visant une meilleure performance et une efficacité des coûts à long terme.
Accelerated Understanding lance une IA basée sur la physique
La professeure de Caltech Anima Anandkumar et l'ingénieur Benedikt Jenik ont lancé 'Accelerated Understanding', une startup qui se concentre sur l'entraînement de l'IA à prévoir l'évolution du monde physique plutôt qu'à prédire du texte. Les modèles de l'entreprise utilisent des 'opérateurs neuronaux'—une conception basée sur la physique qui suit les événements dans l'espace et le temps 3D, s'éloignant de l'architecture de transformateur traditionnelle. Lors des tests initiaux, le modèle a traité 5 000 milliards de points de données en une seule exécution, ce que les fondateurs affirment être 5 millions de fois la capacité des meilleurs modèles de Google et Anthropic. L'entreprise cible des applications d'entreprise, notamment le développement de matériaux pour puces, la prévision de conditions météorologiques extrêmes et la robotique. Les fondateurs ont notamment refusé une offre de postes de direction et une participation de 35 % dans le projet 'Prometheus' de Jeff Bezos pour poursuivre cette entreprise. Cette décision souligne leur conviction que la modélisation basée sur la physique est la voie supérieure pour la prochaine génération d'IA, positionnant la startup comme un concurrent direct des modèles massifs et lourds en texte qui dominent actuellement l'industrie.
Les pirates chinois augmentent leurs attaques en utilisant DeepSeek
Des recherches de TeamT5 indiquent que des groupes de piratage soutenus par l'État chinois ont plus que doublé leur volume d'attaques après avoir intégré des modèles d'IA open source, spécifiquement DeepSeek, dans leurs opérations. Les chercheurs rapportent que ces groupes préfèrent DeepSeek en raison de sa combinaison de haute performance et de garde-fous cyber relativement lâches par rapport aux autres modèles de pointe. Les pirates utiliseraient l'IA pour les aider à écrire du code d'intrusion, à piller les systèmes de messagerie d'entreprise et à cartographier les cibles. Alors que les préoccupations de sécurité se sont largement concentrées sur l'utilisation abusive potentielle des modèles de premier plan, ce rapport met en évidence le risque significatif posé par des modèles moins chers et plus accessibles qui manquent de restrictions de sécurité robustes. Cette tendance s'aligne sur les avertissements de l'AI Security Institute, qui a noté en mai que les capacités cybernétiques autonomes de l'IA progressent rapidement. La capacité des acteurs malveillants à exploiter l'IA open source pour développer leurs opérations présente un défi complexe pour la cybersécurité, suggérant que l'attention pourrait devoir se déplacer vers la sécurisation des modèles eux-mêmes plutôt que simplement de l'infrastructure qu'ils ciblent.