Gemini 3.5 Flash en GA, GPT-5.5 Instant par défaut, MAI de Microsoft, la course aux modèles rapides
Google a rendu Gemini 3.5 Flash généralement disponible avec une vitesse annoncée supérieure à celle de modèles comparables, OpenAI a fait de GPT-5.5 Instant le modèle par défaut de ChatGPT en annonçant une réduction des hallucinations sur les sujets sensibles, et Microsoft a lancé ses propres modèles maison lors de Build 2026 pour réduire sa dépendance à OpenAI.
Cette accélération vers des modèles plus rapides et moins chers change le calcul économique des déploiements IA dans les établissements, qui peuvent désormais viser des usages massifs (assistants pédagogiques, outils de correction) sans exploser les budgets. La diversification des fournisseurs de modèles, notamment avec l'entrée de Microsoft en tant qu'acteur de modèles propres, invite aussi les DSI de l'ESR à ne plus dépendre d'un seul partenaire technologique dans leurs choix stratégiques.
Analyse produite par l’AI Transformation Office de l’ISC Paris, co-écrite avec Claude (Anthropic).
À lire aussi
Google Gemini Omni Flash arrive dans l’API, la génération vidéo conversationnelle entre en production
Disponible depuis le 2 juillet via Google AI Studio et l'API Gemini, Gemini Omni Flash accepte texte, images, audio et vidéo en entrée et peut générer ou éditer des vidéos à partir d'instructions en langage naturel, avec synchronisation audio native grâce à Veo 3. Le tarif annoncé est de 0,10 dollar par seconde de vidéo générée.
Les grandes labs recrutent des philosophes pour savoir si leurs IA peuvent souffrir
Anthropic, Google DeepMind et Meta ont constitué des équipes de philosophes, neuroscientifiques et spécialistes du bien être pour étudier une éventuelle conscience de leurs modèles. Dario Amodei affirme que Claude montre des signes d'anxiété, tandis que DeepMind a recruté le philosophe Henry Shevlin sur ce sujet.
Google DeepMind publie "From AGI to ASI" : quatre trajectoires officielles vers la superintelligence
Dans un article publié sur arXiv, Google DeepMind formalise le passage conceptuel de l'AGI à l'ASI et identifie quatre trajectoires possibles : le scaling, les ruptures algorithmiques, l'auto amélioration récursive et la formation de collectifs d'agents.