Bruxelles, 15 juin 2026

Le PDG d'Amazon Andy Jassy et des dirigeants de cinq autres entreprises auraient alerté en privé l'administration Trump sur des vulnérabilités de sécurité dans Fable 5, et la Maison-Blanche aurait agi dans les heures suivantes — c'est ce que rapporte The Decoder (14 juin) dans Amazon and five other companies reportedly triggered the government crackdown on Anthropic's Fable model EN. Le détail qui reconfigure le fil de la semaine : Amazon est l'un des plus importants investisseurs d'Anthropic. L'acte de souveraineté du 12 juin — nommé la veille par Le Monde « guerre de l'IA » — avait donc un déclencheur privé, venu du marché lui-même, par des acteurs simultanément concurrents et investisseurs du modèle qu'ils ont signalé. Next (15 juin), dans La Fable, le Mythos et la raison d'État, note que les réactions européennes convergent toutes sur le même enjeu : la capacité des États-Unis à déclencher ce « kill switch » sans délai ni périmètre géographique ciblé. Un investisseur alerte, un État exécute, l'Europe observe. L'alerte privée est un mécanisme de veille légitime ; l'exécution sans périmètre défini est autre chose — une décision dont le seul critère lisible est la volonté de celui qui possède le bouton, indépendamment de l'opérateur qui dépend du service.

Le Monde (14 juin), dans Encadrement de l'IA militaire : un chemin semé d'embûches discuté à Genève, en marge du G7, signale l'ouverture de négociations sous l'égide de l'ONU pour tenter d'encadrer l'usage de l'IA dans les conflits armés — tandis que les dirigeants de la tech mondiale se retrouvent à Évian du 15 au 17 juin. La simultanéité des deux enceintes n'est pas neutre : à Évian, valorisations et parts de marché ; à Genève, une tentative de produire un droit opposable sur des systèmes que les mêmes acteurs déploient activement dans des théâtres d'opération. Le titre dit « chemin semé d'embûches » sans nommer les obstacles réels : définition de l'autonomie létale, résistance des États dotés à tout mécanisme auditable, opposabilité incertaine d'engagements volontaires. Deux enceintes, deux temporalités, un seul écart : ce qui se négocie à Genève n'engage que ceux qui acceptent d'être engagés ; ce qui se déploie à Évian n'attend pas l'accord.

Aucune source relevant du droit, de la norme ou de la gouvernance de l'IA n'émerge dans le flux du 15 juin — deuxième jour consécutif sans réponse réglementaire formelle de l'Union européenne depuis l'action fédérale américaine du 12 juin. L'hypothèse d'une concertation discrète entre capitales n'est pas à exclure ; elle ne produit aucun signal dans le flux du jour. Ce que ce silence décrit n'est pas une stratégie, sauf à confondre l'absence de levier avec un choix de retenue.

Next (1er juin) notait dans Souveraineté numérique : le CIAN évoque « l'urgence » de la situation que le Conseil national de l'intelligence artificielle et du numérique juge « urgente » la dépendance française et européenne aux acteurs étrangers en matière d'infrastructures numériques — diagnostic qui résonne autrement depuis le 12 juin. La dépendance infrastructurelle avait, le 1er juin, un sens abstraitement mesurable ; depuis le 12 juin, elle a un mécanisme concret — celui qui tient la commande d'arrêt n'a pas à demander la permission à l'opérateur dépendant avant de l'activer.

Next (15 juin), dans KPMG retire un rapport chantant les louanges de l'IA après la découverte d'hallucinations, rapporte le retrait d'une étude publiée en octobre dernier pour « redéfinir l'excellence à l'heure de l'IA agentique ». Destiné aux dirigeants, le document multipliait les études de cas illustrant l'adoption de l'IA dans la finance, les transports et la santé — plusieurs inventés ou factuellement faux. Les démentis des organisations citées, issus de l'extrait disponible, sont précis : UBS a nié l'existence d'une plateforme de conseil en investissement et de conformité réglementaire développée avec Microsoft ; les Chemins de fer fédéraux suisses ont indiqué que la description de leur dispositif d'assistance par agents n'était « pas exacte » ; Transport for London a démenti les systèmes de gestion de congestion et de personnalisation décrits. The Decoder (14 juin) dans KPMG fabricated AI case studies in a report designed to sell clients on AI adoption EN cite le PDG de GPTZero, Edward Tian, qui nomme le phénomène « hallucinations secondaires » : des affirmations erronées issues d'une source réputée qui circulent ensuite comme validation experte. Le problème n'est pas que l'IA se trompe — c'est que l'institution qui se trompe jouit d'une présomption d'exactitude. Ce que UBS, les CFF et TfL rendent lisible par leurs démentis n'est pas l'exception : c'est le circuit ordinaire où la signature vaut vérification — la présomption d'exactitude est le patrimoine de l'institution, pas la conséquence de sa méthode.

The Decoder (14 juin), dans AI coding agents find the right file but miss the exact lines that matter, study shows EN, présente une étude sur des agents de code comme Claude Code ou Codex : ils localisent le bon fichier de manière fiable, mais ratent la plupart des lignes critiques à l'intérieur. La navigation au niveau du fichier est résolue ; la précision au niveau du token ne l'est pas. Pour un agent déployé en production sur une base de code réelle, cette asymétrie entre orientation correcte et ciblage précis reste la limite opérationnelle du moment — trouver le bon endroit ne suffit pas si les modifications portent sur les mauvaises lignes. Ce partage de tâches entre l'adresse correcte et le geste juste n'est pas une anecdote de performance : la frontière entre ce que le code garantit et ce qui reste au modèle a ici une adresse — l'orientation, résolue ; la ligne, pas encore.

The Decoder (14 juin) dans Google Cloud's Open Knowledge Format turns scattered docs into Markdown files for AI agents EN formalise l'Open Knowledge Format (OKF) : des fichiers Markdown avec frontmatter YAML pour rendre la documentation organisationnelle portable et consommable par des agents, standardisant un pattern que Karpathy avait popularisé. Ce travail de mise en forme — rendre lisible au modèle ce que l'organisation sait déjà — est un maillon de ce qui précède l'inférence : la qualité de ce que l'agent produira se décide en amont de lui, dans des fichiers que le code structure avant de les lui passer.