AI Highlights — vue d'ensemble — 2026-10-15 (jeu.) Actualités du matin

Les chiffres du financement et de la croissance de l'IA sont fortement révisés chaque trimestre. Singapour a enregistré une croissance de 5,4 % grâce à la demande en IA, avec des partenariats de découverte de médicaments par l'IA d'une valeur pouvant atteindre 1,2 milliard de dollars signés. Parallèlement, l'emploi reste incertain après que Publicis a promis de réduire de 25 % le travail manuel, et une grand-mère qui a poursuivi en justice à cause d'erreurs de reconnaissance faciale réclame 10 millions de dollars. La vitesse à laquelle les fonds sont levés et celle à laquelle les personnes concernées prennent connaissance du fardeau ne sont pas simultanées. Ci-dessous, lisez l'ampleur des chiffres en regard de la pression qu'elle exerce déjà sur le secteur, sur les individus et sur les mesures de sécurité. L'ampleur des effets de l'adoption ne peut être appréciée tant que nous n'avons pas examiné qui sera chargé de répartir les coûts et les responsabilités.

Un lieu de travail tiraillé entre réductions de personnel et reconversion

Publicis s'est fixé pour objectif de réduire le travail manuel de 25 % grâce à l'IA, mais l'impact sur l'emploi resterait flou (Storyboard18). Les chiffres font état d'une réduction de la charge de travail, et non d'une réduction des effectifs. Toutefois, une fois un quart du travail manuel supprimé, il n'a pas encore été décidé si les mêmes personnes consacreront ce temps à d'autres tâches, ou si les effectifs seront revus. Si l'on cherche à déterminer combien de postes seront supprimés en se basant uniquement sur la valeur cible, on risque fort de se tromper dans son jugement.

Même avec la même introduction, les tendances du secteur commencent à diverger. Il a été rapporté que HSBC et Kroger augmentent le nombre de licenciements dus à l'IA, et la comparaison des coûts avec la reconversion est en discussion (AICERTs). Si la réduction des effectifs diminue les coûts de main-d'œuvre à court terme, la reconversion exige des frais de formation et du temps. La solution la moins chère dépend de l'étendue du travail remplacé et de la capacité du personnel restant à assumer les nouvelles tâches. Lorsque les lecteurs examinent leur entreprise et leur lieu de travail, ils doivent regarder non seulement l'ampleur des suppressions, mais aussi le coût de la requalification et la question de savoir qui en sera responsable après les réductions.

La direction du changement est quelque peu différente dans les domaines d'emploi destinés aux jeunes diplômés. The Economic Times rapporte que les catégories d'emploi pour les jeunes diplômés évoluent en raison de la tendance à accorder davantage d'importance aux compétences en IA, et que le nombre de nouvelles embauches dans les secteurs de l'informatique et du BPM en Inde est en train de se redresser. Il est facile d'imaginer que si les tâches manuelles d'initiation sont transférées à l'IA, ce sont les emplois destinés aux nouveaux employés qui disparaîtront en premier, mais le fait que l'on observe des cas de reprise des embauches montre que certaines entreprises consacrent des fonds à la formation de ressources humaines capables de maîtriser l'IA. Ici, la manière dont la culture de l'IA est développée est une variable qui détermine l'impact sur l'emploi.

Le éventail des utilisateurs s'élargit également. L'OpenAI Forum aurait tenu des discussions sur l'usage de l'IA pour les experts en sondages d'opinion (EdTech Innovation Hub). Le fait que la discussion sur l'utilisation s'étende aux métiers spécialisés montre que la requalification n'est pas un enjeu limité à certaines professions. Par ailleurs, l'édition 2026 du rapport sur la mise en œuvre de l'IA (Knowledge at Wharton) servira aussi de matériau pour vérifier l'état réel du déploiement. Les effets ne peuvent pas être mesurés par le seul fait que l'adoption a progressé ; les résultats ne sont pas comparables si l'on ne regarde pas aussi s'ils ont servi à la réduction ou à la formation.

Le choix entre réductions et croissance n'est pas seulement une question de finances d'entreprise, mais aussi de répartition : qui supportera en premier les coûts et les responsabilités. Dans la section suivante, nous verrons comment cette répartition se manifeste au niveau des individus et de la sécurité.

Chaîne de financement et de collaboration pour la découverte de médicaments

Des petits placements privés aux marchés publics, le financement de la découverte de médicaments par l'IA emprunte des canaux différents à chaque étape. La société canadienne Rakovina Therapeutics (TSXV:RKV) a finalisé un placement privé de 1,99 million de C$ et explique pourquoi elle consacrera ces fonds à la découverte de médicaments anticancéreux pilotée par l'IA (kalkine.ca). Bien que l'ampleur soit modeste, c'est un exemple de la première étape de la levée de fonds pour l'IA et de leur affectation à la recherche.

Du côté des partenariats et des contrats, les chiffres montent d'un cran. Deep Origin a annoncé une collaboration multi-cibles de découverte de médicaments par IA avec BioAge Labs, affirmant avoir confirmé un hit validé sur la première cible (Yahoo Finance Singapore). ITOCHU Corporation a signé un accord d'alliance capitalistique avec MOLCURE Inc. (BioSpectrum Asia) pour la découverte de médicaments par IA au Japon. Zealand Pharma et Generate signent un accord de médicament contre l'obésité par IA pouvant atteindre 1,2 milliard de dollars (WTVB). Le terme « maximum » doit ici être compris comme désignant un plafond incluant le montant payable sous réserve de conditions de performance. Même si le montant affiché du contrat peut être élevé, un paiement fixe et un montant conditionnel futur sont deux choses différentes.

Les flux de capitaux ne se limitent pas au secteur privé. ThinkTrends s'est vu attribuer un contrat IDIQ de 49 millions de dollars par la Food and Drug Administration (FDA) des États-Unis pour soutenir la mise en œuvre de l'IA et des données (The Globe and Mail). Les régulateurs eux-mêmes achèteront des infrastructures d'IA et de données. Du côté du marché, Nuvin Asset Management, qui gère 2 600 milliards de dollars, a publié un commentaire de marché affirmant que l'IA remodèle la structure économique de l'industrie biopharmaceutique. Concernant le marché des technologies de l'information pour les sciences de la vie, une analyse suggère qu'IQVIA, Oracle, Accenture, Veeva Systems et SAP visent 82,24 milliards de dollars d'ici 2035 (Yahoo Finance UK). Par ailleurs, Nanyang Biologics, une biotech singapourienne de découverte de médicaments par IA valorisée à 1,5 milliard de dollars US, aurait été introduite au Nasdaq (The Business Times).

Si on les met côte à côte, ce qui est devant nous, ce sont des financements, des valorisations et des valeurs de contrats, et ce qui peut être considéré comme des résultats ne sont que des résultats précoces comme le « hit vérifié » de Deep Origin. La confirmation d'un hit marque le début du long processus de découverte de médicaments, et la simple annonce d'une cotation ou d'un contrat important n'indique pas la fiabilité des essais cliniques ou de l'approbation qui suivront. Les lecteurs doivent examiner la répartition entre la part ferme et la part conditionnelle du montant du contrat, ainsi que le lien éventuel entre les fonds et des résultats vérifiés. La section suivante examine comment ces mouvements financiers redistribuent les coûts et les responsabilités dans le domaine.

La confiance dans les modèles prédictifs qui soutiennent le diagnostic et le traitement

Les modèles prédictifs qui exploitent les images et les données multimodales quittent le stade de la recherche pour se rapprocher du parcours clinique. Pour le cancer urothélial des voies excrétrices supérieures, un système multimodal d'aide à la décision clinique, CLIP-CGPNet, destiné à prédire la récidive postopératoire a été rapporté (Journal of imaging informatics in medicine). Pour le cancer du sein, HCF-Net, qui classe avant l'opération les sous-types moléculaires à partir de l'IRM dynamique avec injection de produit de contraste, est configuré comme une fusion en cascade le long du parcours de traitement clinique (même revue). Dans le cas de l'adénocarcinome mucineux du poumon, certaines recherches publiées visent à classer les sous-types et à prédire le pronostic en intégrant des données multimodales (translational cancer research). Ces trois travaux ont en commun de placer le modèle à un point précis du processus décisionnel, par exemple selon qu'il faut choisir avant ou après la chirurgie. Il faut vérifier non seulement les chiffres de précision, mais aussi dans quelles situations le modèle doit remplacer ou compléter la pratique existante.

D'un autre côté, la question de savoir si les médecins acceptent les réponses fournies par le modèle reste un enjeu distinct. L'explicabilité et la confiance clinique sont abordées de front dans l'utilisation de l'apprentissage profond pour prédire la réponse au traitement du glioblastome (Journal of imaging informatics in medicine). Une recherche visant à prédire le carcinome hépatocellulaire avec mutation de P53 par la radiomique IRM cible non seulement l'intérieur de la tumeur, mais aussi la zone qui l'entoure (translational cancer research). Un entretien avec la UMass Chan Medical School sur l'IA en radiologie situe également cette technologie du point de vue des médecins qui lisent les images. Il ne suffit pas que la prédiction soit exacte : une condition préalable à l'usage pratique est que les médecins puissent vérifier sur quelle partie de l'image la prédiction s'est fondée.

Le même concept existe en dehors de la médecine. Il est rapporté que des drones équipés d'IA sont utilisés par les producteurs non seulement pour surveiller les cultures, mais aussi pour un éventail d'usages plus large (Growing Produce). Même si les observations de terrain deviennent plus précises, c'est au producteur de décider comment utiliser ces informations pour prendre des décisions sur les opérations et les intrants. Qu'il s'agisse de diagnostic ou d'agriculture, la valeur d'une installation dépend moins des chiffres de performance que de la manière dont le terrain traite ses résultats et de qui prend le relais en cas de problème. Cela est directement lié à la question suivante, qui consiste à examiner les effets de la technologie, y compris la répartition des coûts et des responsabilités.

Demande de tracer la limite pour protéger les individus et les enfants

L'erreur d'identification par reconnaissance faciale a déjà été portée devant les tribunaux. Une grand-mère identifiée à tort comme l'auteure d'un vol de banque par reconnaissance faciale par IA a intenté une action en réclamant 10 millions de dollars de dommages et intérêts, selon ABC News. Cela signifie que la décision de relier une personne au coupable a commencé par les résultats de correspondance de la machine. Dans le domaine de la santé mentale, la Corée du Sud a annoncé des lignes directrices de sécurité pour l'IA en santé mentale (Healthcare IT News). C'est un exemple de gouvernement qui documente jusqu'où on peut s'en remettre à l'IA avant que son usage ne se généralise. Qu'il s'agisse de reconnaissance faciale ou d'aide à l'accompagnement psychologique, les erreurs touchent les personnes qui reçoivent les résultats, et non celles qui choisissent le système. Ceux qui envisagent une adoption doivent vérifier non seulement les chiffres de précision, mais aussi qui peut corriger les erreurs et qui en assumera la responsabilité lorsqu'elles surviennent.

Dans le type d'IA qui crée des relations, l'objet de l'attrait est plus proche du moi intérieur de l'utilisateur. L'Universidad de Córdoba (UCO) affirme que son application de petite amie IA dispose de paramètres de personnalité et de fonctions de confidentialité. Si le système permettant aux utilisateurs de choisir leur personnalité correspond à leurs préférences, il soulève aussi la question de la gestion des enregistrements de conversations intimes. Concernant les enfants, un expert a écrit dans Florida Politics que la Floride ne devrait pas confier les enfants aux chatbots. Cette contribution représente l'opinion d'un expert à titre individuel et n'implique pas que des réglementations aient été arrêtées. Cependant, disposer de fonctions de confidentialité et pouvoir interagir avec des mineurs sont deux questions différentes. Les parents, les écoles et les fournisseurs doivent décider de l'étendue de l'usage pour chaque tranche d'âge, indépendamment de la présence ou de l'absence de fonctions.

Les techniques de lecture des émotions et des biais peuvent aussi servir à étayer de tels jugements. Selon Bioengineer.org, des optimisations inspirées du comportement des loups ont amélioré les performances de la reconnaissance des émotions dans la parole d'une langue à l'autre. Si les émotions peuvent être traitées dans différentes langues, les situations d'utilisation s'élargiront. Toutefois, ceux qui mettent en œuvre le système doivent vérifier qu'il ne se trompe pas sur les personnes parlant certaines langues ou ayant certains styles d'élocution. Penn Today rapporte des efforts visant à utiliser l'IA pour détecter les biais dans les médias et s'en servir de base aux décisions des électeurs et des lecteurs. Si l'on ne s'assure pas que les critères utilisés pour juger les biais ne sont pas eux-mêmes biaisés, cet outil risque non pas d'aider les lecteurs à décider, mais de les contraindre à voir les choses d'une certaine manière. Qu'il s'agisse de la reconnaissance des émotions ou de la détection des biais, la question est de savoir s'il faut les utiliser après avoir dévoilé le fondement du jugement et la tendance aux erreurs, plutôt que de se fier tel quel aux résultats.

Ce que nous avons vu jusqu'ici, c'est que, dans les situations où le préjudice touche d'abord des individus, il faut décider en premier qui enquêtera et qui assumera la responsabilité. Ensuite, nous examinons comment ces coûts et ces responsabilités sont répartis entre les entreprises et la société.

Axe temporel de la croissance, de la politique et des mesures de sécurité

Singapour a affiché une croissance de 5,4 % grâce à la demande liée à l'IA, avec une politique monétaire inchangée (Bloomberg.com). Si les chiffres sont solides, ils montrent seulement que les vents porteurs côté demande sont apparus en premier dans les statistiques. À peu près au même moment, un groupe de financement de l'IA aurait soutenu la candidature de Scott Wiener au Congrès à hauteur de 3 millions de dollars (Mission Local). Par le financement, la distance se réduit entre ceux qui récoltent les fruits de la croissance et ceux qui décident des règles. Parallèlement, Harris a averti qu'il reste peu de temps pour les mesures de sécurité de l'IA et a appelé à une coopération entre les États-Unis et la Chine (Reuters). Les taux de croissance sont actualisés chaque trimestre et les élections restent à leur calendrier, mais personne n'a fixé d'échéance pour les mesures de sécurité. Le point de départ de cette section est celui où trois axes temporels différents avancent côte à côte.

Cet écart temporel se reflète également dans le calendrier sur le terrain. Les exploitants de maisons de retraite Cascadia, CarDon et FellowshipLIFE ont présenté leur feuille de route pour l'utilisation de l'IA (Skilled Nursing News). Leur attitude, qui consiste à avancer par étapes dans la mise en œuvre, montre que le système fonctionne sur une échelle de temps opérationnelle indépendante de la vitesse de croissance ou des élections. Du côté créatif, Air a organisé un événement sur un toit avec l'artiste Joe Bloom pour parler de l'IA et de la créativité (Ad Age). Les plannings de travail dans les soins infirmiers et les occasions de dialogue dans l'écriture créative cherchent chacun à organiser, dans leur domaine, la manière dont les choses sont perçues.

Changeons maintenant le lieu de la question. Le robot IA qui apparaît dans « Vision Quest » de Marvel pose la question de savoir si les machines peuvent penser par elles-mêmes (Moneycontrol.com). Bien qu'il s'agisse d'une fiction, cela rejoint la question de tracer la frontière entre ce qui doit être laissé aux machines et ce qui doit être traité par les humains lorsque les lecteurs décident de l'adopter. Les chiffres de croissance et les montants des financements politiques ne tracent pas cette frontière pour nous.

Pour revenir au jugement du lecteur, ce qu'il faut regarder n'est pas l'ampleur des chiffres, mais la vitesse de l'objet en mouvement et la charge qui sera appliquée en premier. Si les avertissements de Harris sont justes, le délai de grâce pourrait être plus court que le calendrier sur le terrain. Toutefois, la durée du moratoire n'est pas gravée dans le marbre et reste dans la fourchette qu'il a décrite comme un avertissement. Que le débat rattrape ou non le rythme reviendra finalement à la question de la répartition : qui supportera les coûts et les responsabilités.

Les cas traités dans chaque section présentent un agencement commun. Le taux de croissance, le montant du financement et l'ampleur du partenariat seront arrêtés sous forme de chiffres au moment de l'annonce. En revanche, le traitement du personnel, les décisions remplacées par des modèles prédictifs, les corrections et les responsabilités en cas d'erreur, ainsi que les échéances des mesures de sécurité sont déterminés après la mise en œuvre. La charge apparaît d'abord de ce dernier côté, et ce sont les responsables du terrain et les personnes auxquelles les résultats sont destinés qui la supportent. Par conséquent, l'efficacité d'une mise en place ne peut être jugée à partir de chiffres isolés tels que le montant des réductions, la précision et le taux de croissance. Ce n'est qu'en vérifiant qui paiera, qui peut corriger les erreurs et qui assumera la responsabilité qu'il sera possible de déterminer si une même mise en œuvre sera un avantage ou un préjudice pour nous. L'ampleur des chiffres reste le point de départ, et le centre du jugement porte sur la répartition.

Q1 : Qui, dans votre lieu de travail, décide à quelles tâches affecter le temps et les efforts libérés par l'IA ? Q2 : Lorsque l'IA produit des résultats incorrects, existe-t-il des procédures pour les détecter et les corriger, et la responsabilité est-elle établie par écrit ? Q3 : Les chiffres mesurant l'efficacité de l'introduction incluent-ils le coût de la reconversion, le coût du traitement des erreurs et la charge pesant sur les personnes concernées ?

Enfin, trois questions

- Qui, dans votre lieu de travail, décide à quelles tâches allouer le temps et les efforts libérés par l'IA ? Q2 : Lorsque l'IA produit des résultats incorrects, existe-t-il des procédures pour les détecter et les corriger, et la responsabilité est-elle établie par écrit ? Q3 : Les chiffres qui mesurent l'efficacité de la mise en place incluent-ils le coût du recyclage, le coût du traitement des erreurs et la charge pesant sur les personnes concernées ? - Lorsque l'IA produit des résultats incorrects, existe-t-il des procédures pour les détecter et les corriger, et la responsabilité est-elle établie par écrit ? Q3 : Les chiffres qui mesurent l'efficacité de la mise en place incluent-ils le coût du recyclage, le coût du traitement des erreurs et la charge pesant sur les personnes concernées ? - Les chiffres mesurant l'efficacité de la mise en œuvre incluent-ils le coût du recyclage, le coût du traitement des erreurs et la charge pesant sur les personnes concernées ?