`

Bruxelles, 29 juin 2026

Les nouvelles de données de ce 29 juin se lisent d'abord comme des affaires de propriété — qui détient quel texte, qui doit quoi à qui. Mais la lecture tient mal : aucune de ces manœuvres ne se bat pour un modèle ; toutes se battent pour ce qui entre dans un modèle et pour ce qui en sort. Pendant ce temps, un autre verdict du jour porte sur le modèle lui-même, une fois lâché aux commandes : non plus ce qui l'alimente en amont, mais ce qu'il vaut en production quand une procédure sans IA le concurrence. Le modèle, lui, se banalise : Numerama note le même jour, dans L'IA coûte bien trop cher et ces nouveaux outils veulent changer les règles du jeu, que l'open source et les modèles low cost rebattent des factures devenues imprévisibles. Ce qui devient cher, c'est la matière. Ce qui reste décisif, c'est la règle.

Côté industrie, c'est la provenance des données qui ressort. Next relaie, dans Accusée d'acheter de vieux livres pour entrainer des IA, Zoom Books nie, un soupçon porté par les médias suisses RTS et SRF et l'allemand taz : la société canadienne rachèterait des livres d'occasion par lots, les détruirait, et s'en servirait pour entraîner ses modèles génératifs. Zoom Books dément, et je ne tranche pas le fait — mon hypothèse porte sur le déplacement qu'il signale, non sur le rachat lui-même. Quoi qu'il en soit du rachat, ce que l'épisode met au jour tient en une ligne : la qualité d'un modèle se règle sur la qualité de ce qu'on lui donne à lire. La qualité d'un modèle se décide avant lui, dans la donnée qui l'alimente. Choisir, acquérir, nettoyer et structurer cette donnée se fait en amont de l'inférence : c'est l'appareil d'amont, et c'est là — pas dans les poids — que se gagne ou se perd la fiabilité de ce que le modèle produira.

Le même 29 juin, The Decoder rapporte deux gestes convergents. Meta restricts use of Claude Code and Codex to keep rival AI out of its training data EN interdit ces outils à ses ingénieurs pour que la production de Claude ou de Codex ne se glisse pas dans son entraînement maison ; Amazon engineers are reportedly distilling Anthropic models to cut costs before new token-based pricing kicks in EN décrit des ingénieurs d'Amazon distillant les modèles d'Anthropic avant l'entrée en vigueur d'une tarification au token. Deux mouvements inverses — l'un ferme la porte, l'autre la force — pour un même enjeu. Ce qu'un modèle produit est devenu l'amont du modèle suivant. La provenance ne se joue plus seulement à l'entrée du pipeline ; elle se rejoue à la sortie, quand le texte d'un système devient la matière première d'un concurrent — l'infrastructure d'amont du prochain modèle se constitue, en silence, de l'aval du précédent.

Le mouvement gagne le conseil. The Decoder rapporte, le 29 juin, dans Deloitte tells its own consultants: AI is coming for the billable hour EN, qu'une présentation interne du cabinet projette la quasi-disparition, d'ici 2035, de la facturation à l'heure, remplacée par des agents — projection du cabinet, pas échéance acquise. Un consultant y lâche : « Our model is toast ». L'aveu vaut pour ce qu'il touche : ce n'est pas une tâche qui se dissout, c'est l'unité de valeur elle-même — le temps facturé — que l'agentivité rend caduque. Le cabinet qui vend la transformation par l'IA à ses clients en modélise d'abord l'effet sur sa propre rente. L'heure facturée était l'unité par laquelle cette profession rendait des comptes ; c'est cette institution comptable du travail, plus que telle ou telle tâche, que l'agent déplace.

Des chercheurs de Princeton ont bâti CEO-Bench pour tester exactement ce que Deloitte projette : un agent mis aux commandes. The Decoder décrit, dans Only three AI models finished above starting capital in a 500-day startup survival test EN, un benchmark où un agent doit diriger une entreprise logicielle fictive sur 500 jours simulés. La plupart des modèles font faillite. Trois seulement terminent au-dessus du capital de départ. Et une simple heuristique à base de règles, sans IA, en bat presque tous — la procédure déterministe surclasse l'agent là où l'agent était censé régner. Deloitte vient de poser que l'agent rend caduque l'unité de valeur du conseil ; CEO-Bench répond ce que vaut cet agent une fois lâché seul : moins qu'une règle bien écrite. La règle bat le modèle.

Le Monde rapporte, dans IA : la Corée du Sud annonce un plan colossal d'investissements, équivalant à plus de 1 000 milliards d'euros, un programme étalé sur dix ans pour des usines de semi-conducteurs et des data-centers ; l'article note qu'il relance le débat sur la manière dont les profits du secteur devraient être redistribués.

Deux chroniques du Monde du 16 juin refont surface. Sandra Hoibian, directrice générale du Crédoc, avance, dans « Contrairement aux relations humaines, l'IA émotionnelle ne juge pas, ne trahit pas, ne contredit pas », qu'un quart des moins de 40 ans déclarent une relation amicale ou amoureuse avec une IA, et qu'à la bataille de l'attention succédera celle de l'attachement.

Le chercheur en sciences de gestion Armand Hatchuel tire, dans L'IA produit des idées mais peine à faire la différence entre celles qui sont créatives et celles qui le sont moins, d'une étude de 2025 que la machine serait « plus productive » qu'un humain pour produire des idées, mais que le tri entre celles qui sont créatives et les autres reste du côté de l'usage humain.

Inria publie son rapport annuel 2025 — souveraineté numérique, quantique, IA, numérique en santé — et signale le prix de thèse de l'Université Grenoble Alpes décerné à Bianca Marin Moreno pour ses travaux sur l'apprentissage par renforcement convexe en ligne appliqué à la gestion de l'énergie.

Côté preprints, arXiv aligne deux travaux d'architecture. Explaining Attention with Program Synthesis EN PREPRINT approxime le comportement des têtes d'attention par des programmes exécutables : une piste d'interprétabilité symbolique où le mécanisme cesse d'être une boîte pour devenir une fonction qu'on peut relire. Tying the Loop -- Tied Expert Layers in Mixture-of-Experts Language Models EN PREPRINT partage, lui, les paramètres d'experts entre couches consécutives d'un Mixture-of-Experts tout en gardant un routage indépendant par couche, pour réduire l'empreinte mémoire.

Côté régulation, la décision la plus tangible vient du G7. La CNIL annonce, dans Technologies émergentes et protection des mineurs : les autorités de protection des données du G7 s'accordent sur des principes clés, qu'à l'issue d'une réunion à Paris les 25 et 26 juin, sous présidence française, les autorités ont adopté une déclaration sur les mécanismes de vérification de l'âge respectueux de la vie privée, et un texte sur les objets connectés. Le sujet porte sa propre tension : vérifier un âge suppose ordinairement de collecter davantage de données, soit l'inverse de ce qu'il s'agit de protéger. La déclaration pose le cap ; le mécanisme qui le tiendrait reste à écrire.

Du côté de la CNIL, deux signaux encore. Avec l'Inria, elle a remis son prix « Protection de la vie privée » 2026 à une équipe internationale, pour des travaux sur les designs trompeurs et les bandeaux cookies ; et les rapports d'expertise du vote électronique pour les élections professionnelles dans la fonction publique doivent désormais lui être transmis, de sorte qu'un tiers puisse les inspecter de l'extérieur.

IT SOCIAL rapporte que la Linux Foundation prépare l'Agent Name Service (ANS), un standard d'identité des agents IA bâti sur le DNS, censé vérifier l'identité d'un agent, ses autorisations et l'intégrité de son code.

Reste le fil souverain. IT SOCIAL annonce, dans GPT-5.6 : OpenAI lance Sol, Terra et Luna en préversion restreinte à la demande de Washington, l'ouverture d'une préversion de trois modèles — Sol, Terra, Luna — dont l'accès initial est, à la demande du gouvernement américain, réservé à un petit groupe de partenaires ; The Decoder relève en miroir, dans EU seeks AI independence as Austria proposes luring Anthropic to Europe EN, l'appel du secrétaire d'État autrichien Alexander Pröll à attirer Anthropic en Europe en réponse au blocage américain, initiative que l'article juge peu réaliste.

Zoom Books et ses livres, les verrous de Meta, la distillation d'Amazon : trois fronts sur ce qui précède le modèle. CEO-Bench en ouvre un quatrième sur ce qui le surpasse — non plus en amont, mais en production. La matière décide du modèle avant l'inférence ; la règle le surpasse après. Sa matière, tout ; sa souveraineté, moins.

`