Salut les explorateurs de l’IA !
Trois mois sans newsletter, ça commence à faire long. Entre le podcast hebdo, les actualités IA qui s’accélèrent à un rythme un peu fou en ce moment, les audits clients, les formations, les sessions de coaching et tout ce que je prépare pour la suite (dont l’Atelier Récif du 10 juin), je n’arrivais plus à tenir le format hebdomadaire. Plutôt que de publier à moitié, j’ai préféré couper le temps de retrouver une organisation qui tient. Il est temps de reprendre.
Si vous êtes échoué au bord du rivage de l’IA depuis quelques mois et que vous avez besoin de remonter sur la vague, cette newsletter est faite pour vous. On reprend cette semaine avec un format un peu différent, moins de copier-coller du podcast et plus de creusage là où je n’ai pas eu le temps de m’attarder en live.
Au programme cette semaine, Google injecte jusqu’à 40 milliards de dollars dans Anthropic, Meta licencie 8 000 personnes pour financer 135 milliards d’investissement IA, et un papier de recherche (SEAL) propose une idée qui pourrait changer ce que veut dire “déployer un modèle d’IA”. On creuse aussi cette étude d’Anthropic sur les emplois dont je vous avais parlé en live, en regardant ses zones d’ombre.
C’est parti.
Google met 40 milliards sur Anthropic, le marché se consolide
Le 24 avril, Google a annoncé qu’il allait investir jusqu’à 40 milliards de dollars dans Anthropic, l’éditeur de Claude. Concrètement, 10 milliards sont versés tout de suite, le reste suivra si Anthropic atteint certains objectifs de performance. Au passage, la valeur d’Anthropic grimpe à 380 milliards de dollars, c’est plus que Tesla fin 2024.
Ce qu’il faut retenir :
Ce n’est pas un rachat. Google ne devient pas propriétaire d’Anthropic. C’est plutôt un partenariat très long et très cher pour s’assurer un accès privilégié à Claude.
Anthropic a triplé son chiffre d’affaires en 4 mois. On passe de 9 milliards fin 2025 à plus de 30 milliards en avril 2026.
En parallèle, Amazon ajoute 25 milliards et s’engage à fournir 5 gigawatts de capacité de calcul.
Ce que ça raconte vraiment :
L’innovation de pointe dans les grandes IA généralistes (les Claude, ChatGPT, Gemini de ce monde) se consolide autour de deux acteurs principaux, Anthropic et OpenAI. Pas que les autres soient ridicules, loin de là. Google reste très bien placé avec Gemini, qui était excellent à sa sortie en version 3, et qui dispose de l’infrastructure et des moyens d’investissement les plus solides du secteur. C’est juste qu’aujourd’hui, sur les benchmarks et sur les usages premium, l’avant-garde se joue surtout entre Claude et GPT.
Pour nous, ça change quoi ?
D’un côté, on voit que les géants américains de la tech (Google, Amazon, Microsoft, Meta) verrouillent l’accès à l’IA frontière par des partenariats financiers massifs. C’est efficace, c’est rapide, et ça délivre des modèles très performants. De l’autre, ça nous laisse, nous Européens, un peu coincés entre ces colosses américains. Sauf à se tourner vers l’open source (Mistral en France, Qwen côté chinois) ou vers des acteurs européens comme Cohere ou Aleph Alpha. La question de la souveraineté numérique reste posée, et elle ne se réglera pas en imitant.
Meta licencie 8 000 personnes pour financer 135 milliards d’IA
Le 23 avril, Meta a annoncé 8 000 licenciements (effectifs au 20 mai), plus 6 000 postes ouverts qui ne seront pas pourvus. Au total, environ 10 % des effectifs disparaissent. La raison officielle, libérer du budget pour les 115 à 135 milliards d’investissement prévus en 2026, contre 72 milliards en 2025. C’est une augmentation de 60 %.
Pour replacer ce chiffre dans le bon contexte, les grands acteurs américains de la tech (Microsoft, Meta, Google, Amazon, Apple) ont annoncé ensemble environ 700 milliards de dollars d’investissement en IA pour 2026.
Ce que peu de monde dit tout haut :
Cette annonce de Meta s’inscrit dans une série. Salesforce a coupé environ 4 000 postes “automatisables” il y a quelques mois. Accenture a réduit ses effectifs de 12 000 fin 2025. Ce n’est plus seulement des coupes budgétaires classiques. C’est un arbitrage assumé entre payer des humains et acheter de l’IA. Le raisonnement du management, c’est qu’un dollar dépensé en infrastructure IA produit aujourd’hui plus de valeur qu’un dollar dépensé en collaborateur.
Le débat éthique sur cette équation, on n’en est qu’au début. Mais une question concrète à se poser, vos prestataires (votre agence, votre cabinet comptable, votre développeur freelance) ont-ils déjà fait cet arbitrage ? Beaucoup l’ont fait sans le dire. Ça change leur structure de coûts, et donc à terme, leurs prix et leur qualité de service.
Sources : Axios, Variety, CNN.
La pause pratique : 5 réflexes pour mieux prompter GPT Image 2
Petit aparté concret au milieu de la vague d’actus. Toutes les images de cette newsletter ont été générées en quelques minutes avec GPT Image 2 (le dernier modèle d’OpenAI pour l’image). Si vous voulez vous y mettre, voici les 5 réflexes qui changent tout, tirés des derniers guides en ligne et de mes propres essais :
Pensez “brief créatif” et non “moodboard”. Plutôt qu’une longue liste de descripteurs, structurez en 3 à 5 éléments clés : décor, sujet, détails, contraintes. Dans cet ordre.
Le texte, mettez-le entre guillemets. Si vous voulez “TsunamIA” écrit en haut à gauche, écrivez-le tel quel entre guillemets. Précisez la police, la couleur, le placement. Ajoutez explicitement “no extra words, no duplicate text”.
Spécifiez le format dès le départ. GPT Image 2 vous propose 1024x1024, 1024x1792 (portrait) ou 1792x1024 (paysage 16:9). Pour une newsletter ou un post LinkedIn, le 16:9 marche mieux.
Soyez précis sur les contraintes. Le modèle écoute vraiment quand vous demandez “exactement 3 personnages”, “vue plongeante à 45 degrés”, “fond uni gris clair sans dégradé”. Profitez-en.
Itérez, ne reprompttez pas tout. Pour ajuster une image, utilisez le mode édition et précisez ce qui doit changer ET ce qui doit rester (couleurs, composition, identité du sujet). Sinon le modèle redémarre de zéro et vous perdez ce qui marchait.
Pour aller plus loin, le guide officiel OpenAI est très complet. Mon usage perso pour cette newsletter, environ 30 centimes de coût d’API pour l’ensemble des visuels.
Le sujet qu’on creuse : l’étude d’Anthropic sur les emplois (et ses angles morts)
Dans le podcast de mercredi, j’ai survolé une étude d’Anthropic qui regarde comment les gens utilisent vraiment Claude, et ce que ça nous dit sur les emplois qui seront touchés par l’IA en premier. Le résultat, contre-intuitif, c’est que les profils les plus diplômés, les plus âgés et les mieux payés (47 % au-dessus de la moyenne) seraient près de 4 fois plus exposés au remplacement que les profils moins qualifiés.
C’est un message qui va à l’inverse de ce qu’on entend partout, par exemple : “rassurez-vous, l’IA va remplacer les tâches répétitives, pas les vrais experts”. Du coup, prudence. Voici les zones d’ombre que je n’ai pas eu le temps de développer en live, et qui méritent qu’on les regarde.
1. Qui Anthropic a-t-il observé exactement ?
L’étude est faite à partir des conversations réelles sur Claude. Donc elle observe les gens qui utilisent déjà Claude. Pas la population active française, pas la population mondiale. Plutôt des profils tech, conseil, recherche, principalement anglo-saxons, qui ont déjà adopté l’IA. Conclure de cet échantillon vers “tous les emplois” est un raccourci à manier avec précaution.
2. Comment ils classent les usages.
Anthropic prend chaque conversation et la rattache à une “tâche professionnelle” listée dans une base de données américaine (O*NET). Ce rattachement est fait par un autre modèle d’IA. Petit problème, le modèle qui classe les usages a été entraîné sur la même donnée que celui qui exécute les usages. C’est un peu comme si on demandait à un examinateur de noter ses propres réponses, on a un risque que l’analyse confirme ce qu’elle prétend mesurer.
3. “Exposé” ne veut pas dire “remplacé”.
L’étude parle d’exposition à l’IA, pas de remplacement effectif. Un cadre dont 80 % des tâches sont “exposables” à l’IA n’est pas un cadre qui va perdre son poste. C’est un cadre dont la valeur va se déplacer vers les 20 % restants, ou vers la supervision de l’IA. Cette nuance se perd souvent dans les titres de presse, et le résultat passe de “automatisable” à “remplaçable” sans qu’on s’en rende compte.
4. Mon retour de terrain.
Sur les audits que je fais en entreprise, je vois plutôt l’inverse. On a moins besoin de juniors sur certains métiers, parce qu’on a besoin de gens avec assez d’expérience pour avoir un regard critique sur ce que l’IA produit. Un junior n’a pas le recul pour repérer quand le modèle invente une information ou quand sa réponse a l’air juste mais ne l’est pas. L’étude d’Anthropic dit le contraire. La différence vient peut-être du fait qu’elle mesure ce que l’IA peut faire, pas ce qu’elle fait bien sans supervision.
À retenir : ce n’est pas que l’étude se trompe. C’est qu’elle mesure une chose précise dans un échantillon précis, et que les conclusions médiatisées sont souvent extrapolées au-delà de ce que les données permettent. Avant de prendre une décision RH, ou simplement avant de paniquer pour votre métier, lisez la méthodologie.
Source : Anthropic Economic Index.
Le papier de la semaine : SEAL, le modèle qui apprend en l’utilisant
Aujourd’hui, le cycle de vie d’une IA comme Claude ou ChatGPT est très simple. On collecte des données, on entraîne le modèle (c’est l’étape qui coûte des centaines de millions et qui demande des mois), puis on le met à disposition. Une fois en service, le modèle ne change plus. Si on veut qu’il évolue, il faut tout recommencer, ou utiliser des techniques pour lui donner du contexte (ce qu’on appelle la “mémoire” ou les “outils”), mais le cœur du modèle reste figé.
Le papier SEAL (Self-Adapting Language Models) propose autre chose. Un modèle qui se modifie lui-même au fur et à mesure qu’il est utilisé. Pas de nouvelle phase d’entraînement, pas de retour au labo. Une évolution continue, en cours d’usage.
Une analogie pour visualiser :
Aujourd’hui, un modèle d’IA c’est un peu comme un commercial qu’on aurait formé en école pendant un an, puis envoyé sur le terrain. Pour qu’il s’améliore, il faut le faire revenir en formation. SEAL, c’est l’équivalent d’un commercial qui apprend pendant ses rendez-vous clients, qui ajuste son discours en temps réel, et qui progresse à chaque interaction sans jamais retourner à l’école.
Pourquoi ça pourrait tout changer :
Quand un éditeur d’IA vous dit aujourd’hui “votre assistant va apprendre votre façon de travailler”, c’est essentiellement du marketing. Ce qui se passe vraiment, c’est qu’on accumule de la donnée sur votre usage, pour potentiellement réentraîner un modèle plus tard. SEAL inverserait la logique. Le modèle évoluerait pendant l’usage. Concrètement, ça veut dire :
Un assistant qui s’améliore tout seul, sans intervention technique
Pas de coût caché de retraining
Une moindre dépendance au fournisseur (votre modèle évolue sur vos données, pas sur celles d’un labo)
Mais attention aux risques :
Dérive et empoisonnement. Si le modèle apprend de tout, il apprend aussi des erreurs et des informations malveillantes. Comment garantir qu’il ne se dégrade pas ?
Auditabilité. Un modèle qui change tout le temps n’est plus vérifiable au sens classique. Ça pose un vrai problème pour la conformité (RGPD, audits métier).
Stabilité commerciale. Si chaque déploiement de l’IA évolue différemment, vous ne vendez plus un produit fiable, vous vendez un comportement qui dérive.
Et surtout, on a un précédent qui devrait nous rendre prudents. En 2016, Microsoft avait lancé un chatbot expérimental qui s’appelait Tay, conçu pour apprendre des conversations sur Twitter. En moins de 24 heures, Tay tenait des propos racistes, négationnistes et complotistes, recrachant ce que les utilisateurs malveillants lui avaient appris. Microsoft avait dû le débrancher en urgence. SEAL est un papier de recherche bien plus sérieux, mais il ravive la même question fondamentale : si on laisse un modèle apprendre en continu, comment on garantit qu’il ne dérive pas vers ce qu’il n’aurait jamais dû devenir ?
C’est encore un papier de recherche, pas un produit commercial. Mais si l’industrie suit cette piste, et il y a des chances, dans 12 à 24 mois, la notion même de “version 1.0 d’un modèle” va devenir floue.
Source : arXiv (preprint trending fin avril).
En rafale, ce que le podcast n’a pas couvert
Quatre actus que je n’ai pas eu le temps de placer en live, mais qui méritent un coup d’œil :
Boston Dynamics fait passer Atlas en production de masse. Le robot humanoïde quitte le stade prototype pour viser 30 000 unités par an, avec une motorisation entièrement électrique (plus de 8 heures d’autonomie). Premier client confirmé, l’usine BMW de Spartanburg. Le modèle économique probable, ce ne sera pas un achat mais un service de location à environ 20 000 € par mois et par robot. Si vous travaillez dans l’industrie ou la logistique, dans 18 mois vos commerciaux vous démarcheront sur ce sujet. Question à anticiper, l’assurance et la responsabilité civile en cas d’accident. Source.
NVIDIA sort Nemotron 3 Nano Omni en open source. Un modèle multimodal (qui comprend à la fois texte, image et son) capable de tourner sur des appareils légers, avec 9 fois plus de débit que les concurrents équivalents. Co-développé avec Mistral. Concrètement, dans un an votre smartphone fera tourner localement une IA capable de traiter une vidéo ou un audio sans envoyer vos données dans le cloud. Source.
La Maison-Blanche bloque l’expansion d’Anthropic Mythos sur les infrastructures critiques. L’administration américaine a refusé qu’Anthropic étende l’accès à son service Claude Mythos de 50 à 120 entreprises, jugeant les risques trop élevés pour les infrastructures sensibles (énergie, santé, défense). Premier coup d’arrêt politique majeur sur l’usage IA en environnement critique. C’est un signal qui devrait nous interpeller en Europe sur la régulation de l’IA dans les secteurs régaliens. Source.
Mayo Clinic détecte un cancer du pancréas trois ans avant les symptômes. Une équipe de la Mayo Clinic a publié un modèle d’IA capable d’identifier des signes très subtils de cancer du pancréas sur des scanners CT, jusqu’à trois ans avant le diagnostic clinique habituel. Le pancréas étant l’un des cancers les plus mortels (parce que détecté trop tard), c’est potentiellement une avancée majeure pour les traitements précoces. C’est aussi un excellent rappel que l’IA, ce n’est pas que des chatbots et des images. Source.
Le chiffre de la semaine : 700 milliards de dollars
C’est le total des investissements en infrastructure IA annoncés par les géants américains de la tech pour 2026 (Microsoft, Meta, Google, Amazon, Apple). Soit l’équivalent du PIB annuel de la Suisse, englouti dans des centres de données, des cartes graphiques et de l’électricité.
Pour le mettre en perspective, c’est environ dix fois plus que le budget de recherche scientifique de toute l’Union européenne sur sept ans (le programme Horizon Europe, environ 95 milliards). À ce rythme, l’Europe ne pourra pas rattraper en imitant. Elle ne pourra que se spécialiser ou s’allier.
🎧 Pour creuser le sujet
Tout ça, plus Musk vs OpenAI au tribunal, xAI qui essaie de bâtir une alliance avec Mistral et Cursor, DeepSeek V4 à 14 centimes le million de mots, GPT-5.5 qui prend le contrôle de votre ordinateur, Claude qui se branche sur Adobe, Autodesk et Blender, et une démo en direct de GPT Image 2, c’est dans l’épisode #126 du podcast TsunamIA, sorti mercredi.
👉 Écouter l’épisode #126 sur Acast
🎟️ Atelier Récif, mercredi 10 juin 2026, Le Cirque (Paris)
Une journée pour comprendre comment l’IA va vraiment changer votre activité, sans démo de chatbot et sans bullshit. Avec des cas concrets utilisables dès le lendemain.
👉 Toutes les infos et l’inscription sur la page de l’Atelier
Pour conclure
Cette semaine restera celle où le marché des grandes IA s’est resserré autour de deux acteurs principaux (Anthropic et OpenAI), avec deux hébergeurs cloud qui jouent les arbitres (Amazon et Microsoft). Pendant que la Chine continue de pousser en open source à un rythme que l’Europe n’a pas encore trouvé comment contrer. Ajoutez à ça un papier de recherche qui pourrait remettre en cause la notion même de “version d’un modèle”, et vous comprenez pourquoi on a du mal à débrancher.
On se retrouve la semaine prochaine. Et cette fois, je vais essayer de tenir le rythme.
— Dimitri
📬 Restons connectés
🌐 Site : tsunamia.fr
🎧 Le podcast sur Acast (et toutes les plateformes)
✉️ Me contacter : contact@tsunamia.fr
TsunamIA est une marque propulsée par Intégralité Consulting.