Elena Tan se concentre sur le développement technique des LLM et des modèles multimodaux. Elle suit le passage de la recherche en IA vers les applications industrielles.
La start-up chinoise Moonshot AI a lancé Kimi K3, surpassant les meilleurs modèles américains dans les tâches de codage et d’agent, remettant en question la domination des États-Unis dans le domaine de l’IA. La concurrence des modèles open source s’intensifie, et les risques géopolitiques augmentent.
Cette semaine, les startups sud-coréennes spécialisées dans l'IA ont levé plus de 120 millions de dollars, menées par le tour de série A de 103,4 millions de dollars de Holiday Robotics, soulignant la vague d'investissements dans les infrastructures d'IA, l'automatisation des entreprises et la robotique. Parallèlement, la Corée du Sud et l'Arabie saoudite explorent la création d'un fonds commun pour les deep-tech, accélérant le déploiement d'applications d'IA verticales.
Alors que les modèles d'IA de pointe deviennent de plus en plus puissants et imprévisibles, l'Illinois, New York et la Californie ont successivement adopté des lois de divulgation pour tenter d'établir des garde-fous. Cependant, la fragmentation et la couverture incomplète des réglementations posent des défis de conformité aux entreprises.
Une nouvelle étude propose un cadre d'inférence LLM basé sur un prompting multi-étapes, capable de générer automatiquement des rapports cliniques structurés sur les médicaments, réduisant considérablement le temps de synthèse manuelle. Cet article analyse son impact sur l'industrie pharmaceutique, le marché de l'IA médicale et les applications d'IA d'entreprise.
Deloitte, dans son rapport « Perspectives 2026 de l'industrie mondiale du sport », indique que l'IA transforme les opérations sportives, les structures de capital et la convergence des médias. Cet article analyse les applications de l'IA dans la chaîne de l'industrie sportive, son impact sur le marché et les tendances futures.
PwC a publié le cadre Intelligent Enterprise, visant à aider les entreprises à passer de projets pilotes d'IA dispersés à des opérations intelligentes globales. Cet article analyse le contexte industriel, l'impact sur le marché, le paysage concurrentiel et les enseignements pour les entreprises de ce cadre, et envisage les voies futures de l'IA au niveau de l'entreprise.
Microsoft a publié le framework open source ASSERT, qui transforme les comportements attendus de l’IA décrits en langage naturel en tests exécutables, reflétant ainsi le passage de l’IA d’entreprise de la « course aux capacités des modèles » à la phase de « vérification du comportement des applications ».
Selon le rapport PitchBook « Q2 2026 Building, Backing, and Buying AI » : dans un contexte où les dépenses en infrastructures d’IA en 2026 approchent les 600 milliards de dollars, Google, Microsoft, Amazon et Meta privilégient davantage la construction de capacités de calcul et les investissements stratégiques minoritaires que les acquisitions pour obtenir des capacités d’IA. Ce changement est en train de remodeler les voies de sortie des startups d’IA, la concurrence dans les logiciels d’entreprise et l’allocation du capital aux infrastructures d’IA.
L’événement State of Data & AI organisé à Sydney par iTnews et NEXTDC montre que les discussions des entreprises sur l’IA se déplacent de la preuve de concept vers le déploiement à grande échelle, la souveraineté des données, la conformité et l’IA agentique. Pour les entreprises, la vraie question n’est plus « faut-il utiliser l’IA », mais « comment établir une trajectoire de mise en œuvre durable entre infrastructure, gouvernance et valeur métier ».
Cet article, fondé sur un point de vue sectoriel concernant les « données d’évaluation (eval data) », analyse pourquoi la concurrence en IA passe des capacités des modèles aux workflows, à l’accès des utilisateurs et aux boucles de rétroaction, et examine les implications pour l’IA d’entreprise, les agents IA, les plateformes IA et le paysage industriel.