Muse Spark Open de Meta, ciblage publicitaire de ChatGPT et réductions budgétaires de l'IA chez Accenture
Meta publie le modèle ouvert Muse Spark Open de 816B de paramètres optimisé pour le matériel Mac. Pendant ce temps, des enquêtes révèlent les capacités de ciblage publicitaire de ChatGPT, et Accenture impose des plafonds budgétaires mensuels stricts en matière d'IA à ses employés.
Podcast В· 4 min
Meta lance Muse Spark Open pour le matériel local
Meta a publié Muse Spark Open, un modèle multimodal de 816B de paramètres conçu pour les tâches de codage et d'agent. Le modèle est notable pour son optimisation avec Apple, lui permettant de fonctionner localement sur deux Mac Studios M5 Ultra avec 1 To de mémoire combinée. Cette sortie marque un changement stratégique pour Meta, qui avait précédemment pivoté vers des modèles fermés après le succès de sa série ouverte Llama. En termes de performances, le modèle se situe à 39 sur l'indice d'intelligence artificielle, derrière les modèles chinois comme GLM 5.3 (45) et Kimi K3 (44) mais surpassant d'autres alternatives ouvertes occidentales. Alors que les modèles chinois maintiennent actuellement une avance en capacités de codage, la sortie de Meta signale un effort renouvelé pour fournir des outils ouverts de haute performance que les développeurs peuvent déployer sur leur propre infrastructure matérielle. Ce lancement s'inscrit dans une tendance plus large de sorties rapides de modèles ouverts ce mois-ci, après Beam de Reflection AI et Le Chonk de Mistral. En permettant l'exécution locale sur le matériel Apple, Meta se positionne pour concurrencer directement les modèles de pointe à source fermée tout en offrant la flexibilité du déploiement local, un facteur critique pour l'adoption par les entreprises et les développeurs.
Une enquête de 404 Media révèle le ciblage publicitaire de ChatGPT
Une enquête de 404 Media a mis en évidence comment les annonceurs peuvent cibler les utilisateurs dans ChatGPT en fonction de leurs invites et de leurs données personnelles. En exécutant des publicités de test, le média a démontré que les annonceurs peuvent utiliser des « indices de contexte »—mots-clés ou sujets—pour guider la correspondance publicitaire, ainsi que télécharger des listes d'e-mails, de numéros de téléphone ou d'identifiants publicitaires Android pour les faire correspondre aux comptes ChatGPT. OpenAI maintient que ces listes sont traitées et supprimées, et que les annonceurs ne peuvent pas voir quels individus spécifiques ont été associés. Cependant, les résultats soulignent les implications en matière de confidentialité de l'utilisation de chatbots IA comme interfaces de type recherche. Bien que les utilisateurs puissent désactiver la 'personnalisation des publicités', ce paramètre n'élimine pas entièrement les publicités, car elles peuvent toujours être diffusées en fonction du contexte de la conversation en cours. Ce développement place ChatGPT dans le même écosystème que les plateformes de publicité numérique traditionnelles. Alors que la plateforme évolue vers sa base d'un milliard d'utilisateurs, la capacité de cibler les utilisateurs via les données conversationnelles soulève des questions sur les attentes de confidentialité à long terme des utilisateurs d'IA, les critiques notant que l'interrupteur « désactivé » ne fournit qu'une protection limitée.
Accenture impose des plafonds budgétaires mensuels pour l'IA
Accenture a mis en place un plafond mensuel de 29 $ par employé pour les dépenses en IA sur des outils comme Claude, selon des annonces internes. La politique, en vigueur depuis le 1er octobre, centralise les coûts tout en exigeant que les employés imputent tout dépassement de cette allocation à des budgets de projet spécifiques. Cette mesure aurait entraîné des problèmes d'accès pour certains employés, en particulier ceux qui construisent des accélérateurs d'IA nécessitant des limites d'utilisation nettement plus élevées. L'écart entre les services de conseil externes d'Accenture—qui encouragent les clients à investir massivement dans l'IA—et ses mesures internes de contrôle des coûts a attiré l'attention. Alors que l'entreprise déclare viser à fournir les bons outils pour le bon travail, la restriction met en évidence le défi croissant de la gestion des coûts d'IA basés sur la consommation dans les grandes entreprises, où les besoins individuels des développeurs peuvent rapidement dépasser les allocations standardisées de l'entreprise.
Anthropic accorde aux chercheurs de METR un accès direct
Anthropic a accordé à six chercheurs de l'organisation Model Evaluation and Threat Research (METR) un accès de niveau employé à ses systèmes. Cet arrangement permet aux chercheurs d'évaluer les pratiques de sécurité de l'IA de l'entreprise et de publier leurs conclusions sans nécessiter l'approbation préalable d'Anthropic, bien que l'entreprise conserve le droit de demander des suppressions étroites. Cette décision est une étape importante vers une supervision indépendante des laboratoires d'IA de pointe. En permettant à des évaluateurs externes de fonctionner avec un accès de haut niveau, Anthropic tente de répondre aux préoccupations concernant la transparence de ses protocoles de sécurité. La collaboration vise à fournir une évaluation plus rigoureuse des risques potentiels, créant un précédent pour la manière dont les laboratoires d'IA pourraient s'engager avec des organisations de sécurité tierces.
Bank of America embauche des sous-traitants pour remédier aux défauts de Mythos
Bank of America aurait embauché 1 000 sous-traitants pour corriger les vulnérabilités logicielles exposées par le modèle Mythos d'Anthropic. Le PDG de la banque, Brian Moynihan, a confirmé l'initiative d'embauche, qui se concentre sur la remédiation des lacunes de sécurité identifiées grâce à l'utilisation du modèle d'IA. Cela met en évidence la réalité pratique, et souvent coûteuse, de l'intégration de l'IA avancée dans l'infrastructure bancaire. L'incident souligne la nature à double tranchant de l'IA en cybersécurité : bien que des modèles comme Mythos puissent identifier des défauts critiques, ils créent également une charge opérationnelle importante pour les organisations afin de remédier à ces conclusions. Alors que les institutions financières accélèrent l'adoption de l'IA, le coût du maintien de systèmes sécurisés devient un facteur majeur dans leur stratégie globale en matière d'IA.
Une étude de Harvard cartographie les écarts entre les sexes dans l'utilisation de l'IA
Un nouveau rapport de chercheurs de Harvard a identifié des écarts persistants entre les sexes dans la manière dont les Américains interagissent avec l'IA. Basée sur une enquête auprès de plus de 5 400 adultes et une analyse de 78 000 articles de presse, l'étude a révélé que 29 % des femmes ont déclaré n'avoir jamais utilisé l'IA, contre 22 % des hommes. Bien que les données de navigation suggèrent que les taux d'utilisation réels sont plus proches, l'écart est plus prononcé en matière de formation et de confiance. Sur le lieu de travail, 64 % des femmes employées ont déclaré n'avoir reçu aucune formation en IA, contre 49 % des hommes. L'étude a également noté une disparité significative dans la représentation médiatique, les titres sur l'IA nommant les hommes 14,6 fois plus souvent que les femmes. Les chercheurs suggèrent que ces écarts en matière de formation et de visibilité pourraient entraver une participation équitable à l'économie axée sur l'IA. Cette recherche offre l'un des aperçus les plus complets des dimensions sociales de l'adoption de l'IA. Alors que les laboratoires poussent à un accès universel à l'IA, les résultats suggèrent que le défi ne réside pas seulement dans l'accessibilité technique, mais dans la résolution des disparités systémiques en matière de formation, de confiance et de représentation qui façonnent actuellement le paysage de l'IA.