AI Highlights — vue d'ensemble — Actualités du jour du 2026-10-25 (dim.)
Les liens vers les sources renvoient au média d'origine. L'analyse intégrée par IA est générée automatiquement à partir des seuls titres ci-dessous et n'a pas vocation à ajouter des faits au-delà de ceux-ci. Ne constitue pas un conseil en investissement.
Generali en Allemagne supprimerait 800 emplois d'ici 2030 et réorganiserait son activité autour de l'IA. Des responsables informatiques du Département de l'Agriculture des États-Unis affirment que la supervision humaine de l'IA sera difficile à maintenir en raison des départs naturels. L'adoption de l'IA s'étend à l'emploi, à la finance et aux applications de santé mentale. La différence entre décider de précipiter son introduction et décider de la reporter tient moins à l'ampleur de l'effet qu'à la possibilité de maintenir la supervision et l'accompagnement humains. Cet article d'une demi-journée permet de vérifier si ces conditions sont réunies dans les domaines de l'emploi, des marchés financiers, du soutien émotionnel, de la surveillance de la sécurité et de l'imagerie diagnostique.
Les réductions de personnel progressent et l'encadrement n'arrive pas à suivre
Generali en Allemagne supprimerait 800 emplois d'ici 2030 et réorganiserait son activité autour de l'IA (Menafn). Aux États-Unis, les craintes de licenciements massifs dus à l'IA ont conduit le Congrès à étudier des moyens de soutenir les travailleurs (The New York Times). Le mouvement de licenciements figure à la fois dans la planification des entreprises et dans les agendas politiques. En revanche, les chiffres ne vont pas tous dans le même sens. D'après une enquête de la Chambre de commerce des États-Unis, de nombreuses petites et moyennes entreprises de l'Oklahoma auraient déclaré une hausse de l'emploi grâce à l'introduction de l'IA (KSWO 7News). Même avec la même IA, la manière de l'employer diffère entre les plans de restructuration des grandes entreprises et le quotidien des petites et moyennes entreprises. Il est dangereux d'appliquer l'un ou l'autre exemple à votre entreprise en ignorant sa taille et son secteur.
Lorsque les réductions d'effectifs avancent, la question portera moins sur le nombre de personnes que sur ce que les personnes qui restent seront en mesure de faire. Un cadre informatique du département de l'Agriculture des États-Unis a déclaré que la « supervision humaine » de l'IA sera difficile à maintenir en raison des réductions de personnel (FedScoop). On a souligné que, même si l'IA est introduite en partant du principe que des humains seront chargés de vérifier ses résultats et d'éviter les erreurs, ce principe s'effondrera si le nombre de personnes chargées de ce rôle est réduit. De ce point de vue, la décision d'estimer le rapport coût-efficacité de l'introduction uniquement sur la base du nombre de personnes pouvant être supprimées doit être reconsidérée.
L'Organisation internationale du travail (OIT) se concentre également sur les droits des travailleurs, en demandant qui a son mot à dire lorsque l'IA gère les lieux de travail (Devdiscourse). La question est de savoir s'il existe un dispositif permettant aux travailleurs d'exprimer leur opinion lorsque l'IA prend des décisions concernant l'affectation et l'évaluation. Garantir la présence de personnel de supervision et donner la parole aux travailleurs peuvent sembler être des questions distinctes, mais toutes deux touchent au même enjeu : savoir si les humains peuvent continuer à être impliqués dans les décisions de l'IA.
Un exemple en est l'Irlande, où FIT et Intel se sont associés pour améliorer les compétences en IA des travailleurs (Silicon Republic). La montée en compétences sera nécessaire tant pour ceux qui changent d'emploi que pour ceux qui évoluent vers des fonctions d'encadrement. Toutefois, l'existence d'alliances ne garantit pas à elle seule que la formation pourra suivre le rythme des réductions d'effectifs. Qu'est-ce qui viendra en premier : la décision de réduire le nombre de personnes ou la préparation de l'accompagnement de celles qui resteront ou partiront ? L'ordre dans lequel ils sont mis en place déterminera s'il faut accélérer l'introduction ou la reporter. Cette question se pose sous la même forme dans les domaines financier et psychologique, en dehors de l'emploi.
Réaction excessive et pression reflétées par le marché monétaire et les banques
Les indicateurs économiques récents montrent une vision prudente à l'égard des investissements et des échanges liés à l'IA. Selon une synthèse établie par www.christophe-barraud.com, le commerce mondial lié à l'IA est sous pression. Le taux d'inflation du Japon a dépassé l'objectif de la Banque du Japon, tandis que l'indice des directeurs d'achats (PMI) de la zone euro a été inférieur aux attentes. Côté financier, on craint que les agents d'IA ne bouleversent les dépôts bancaires, et CNBC rapporte qu'il pourrait s'agir d'une réaction excessive de Wall Street. Comme les prix, la confiance des entreprises et les dépôts sont abordés simultanément, les entreprises qui mettent en œuvre l'IA sont contraintes de prendre en compte non seulement les effets attendus, mais aussi l'environnement extérieur, tel que le financement et les mouvements de la clientèle. L'un des facteurs décisifs pour savoir s'il faut précipiter ou non l'introduction est de déterminer si les inquiétudes sont exagérées par rapport à la réalité.
En revanche, les transactions dans le domaine des données pharmaceutiques et médicales n'ont pas cessé. Selon tokenpost.com, Tempus AI et Pathos AI ont signé un accord sur des données neuronales d'une valeur pouvant atteindre 55 millions de dollars. marketscreener.com rapporte que Tempus AI a signé avec Bristol-Myers Squibb un accord pluriannuel de licence de données oncologiques multimodales. Selon Indian Pharma Post, Tricog Health va étendre sa présence mondiale avec Sanofi et OMRON Healthcare afin de passer de l'électrocardiogramme (ECG) à des soins alimentés par l'IA. Il s'agit de contrats aux montants et aux conditions clairs, dont les parties comprennent de grands groupes pharmaceutiques et des entreprises de dispositifs médicaux.
Ces deux mouvements montrent que, même pour une même IA, les bases de décision diffèrent selon le domaine. Sur les marchés financiers, les inquiétudes se reflètent d'abord dans les prix et les opinions, et la question se pose ensuite de savoir si la réaction de Wall Street était excessive. Dans les transactions de données, les conditions sont fixées à l'avance sous forme de contrats dans des domaines spécifiques tels que la neurologie, l'oncologie et l'électrocardiographie. Cependant, ce que l'on peut tirer des documents actuels, c'est la conclusion du contrat et l'expansion du déploiement ; ces seuls articles ne permettent pas de savoir clairement comment la vérification et l'accompagnement par des personnes fonctionneront après l'introduction.
S'il existe un domaine où les transactions peuvent se poursuivre même lorsque les conditions de marché fluctuent, la décision de l'introduire dépendra moins de la vigueur de l'économie que de la capacité des personnes à continuer de vérifier les résultats sur le terrain. Dans la section suivante, nous examinerons le domaine de l'esprit pour voir si cette vérification et ce soutien sont réellement maintenus.
De plus en plus de personnes se tournent vers l'IA pour un soutien émotionnel
Les jeunes commencent à utiliser l'IA pour soutenir leur santé mentale, rapporte Fast Company. Fox News a expliqué pourquoi de plus en plus de personnes sont attirées par Muse, l'IA de Meta. Parallèlement, The Independent rapporte qu'un psychiatre a souligné les dangers de demander à l'IA des conseils en matière de santé mentale. Si l'on met ces trois cas côte à côte, l'expansion de l'usage et les alertes d'experts sur les dangers progressent en même temps. Lorsque les lecteurs décident des produits d'une entreprise et de la manière de les utiliser chez eux, il ne suffit pas de s'appuyer sur la croissance du nombre d'utilisateurs comme justification de l'adoption. Il faut d'abord s'assurer que l'usage consistant à demander des conseils est considéré comme problématique par les psychiatres.
La Social Market Foundation affirme que l'IA qui imite l'empathie et l'intimité humaines présente à la fois des opportunités et des coûts. Les mécanismes qui imitent l'empathie offrent une solution facile à ceux qui cherchent quelqu'un à qui parler. En revanche, on estime que l'imitation entraîne des coûts, et que ceux qui la mettent en place devront également les assumer. La décision à prendre est de savoir s'il faut étendre le déploiement en fonction de l'opportunité ou en restreindre le périmètre en fonction du coût.
Cette question ne se limite pas aux contextes médicaux ou de conseil. CBS News rapporte les propos d'un chef religieux du Minnesota sur l'impact que l'IA aura sur la religion. L'université de Boston annonce une nouvelle exposition à la 808 Gallery qui explore la beauté imparfaite des estampes à l'ère de l'IA. Même dans deux domaines distincts, la religion et l'estampe, l'émergence de l'IA nous oblige à reconsidérer ce que signifie être humain.
À mesure que le recours à l'IA pour le soutien émotionnel se généralise, la mesure dans laquelle les humains peuvent superviser ce soutien fera la différence entre la décision de précipiter son introduction et celle d'y renoncer.
Où placer la limite concernant les failles de sécurité et la sensibilisation/coopération
Un audit externe révèle de graves failles dans la supervision de la sécurité d'OpenAI (the-decoder.com). Cela signifie qu'un audit externe a découvert un défaut qui n'était pas visible lors des inspections internes. Pour ceux qui déploient l'IA, il y a une différence entre un opérateur qui explique qu'il assure une surveillance de la sécurité et une tierce partie qui en confirme les résultats. Si vous hésitez entre précipiter l'introduction et la reporter, vous disposez désormais d'un fondement pour vérifier non seulement les indications du fournisseur, mais aussi l'existence ou l'absence d'un audit externe et le contenu de ses conclusions.
Au moment où cette faille a été signalée, trois discussions ont eu lieu sur l'endroit où tracer la limite. La première concerne la conscience de l'IA. National Review, qui a présenté un essai publié dans Nature sur la conscience de l'IA, s'est opposé à l'octroi de droits aux machines. La question de savoir si quelque chose est conscient et celle de décider s'il faut lui accorder des droits peuvent être traitées comme deux questions distinctes. Du point de vue des opérateurs, quelle que soit l'évolution du débat sur la conscience, la décision de continuer ou non à confier à des humains la responsabilité des résultats de l'IA reste une question que l'entreprise doit trancher elle-même.
Le deuxième point est la coopération entre les pays. Le Bulletin of the Atomic Scientists a soutenu que la sécurité nucléaire pourrait ouvrir la voie à une coopération entre les États-Unis et la Chine en matière d'IA. L'idée est que, même si les deux pays sont en désaccord, il serait plus facile de créer un forum de discussion s'ils ont un intérêt commun dans le contrôle nucléaire. Le troisième point est la réglementation médicale. Selon Radiology Business, la Société de radiologie a publié un avis alors que la FDA s'apprête à réglementer l'IA générative. Un groupe d'experts impliqués dans l'imagerie diagnostique en milieu clinique a une voix directe dans l'élaboration des propositions de réglementation. Pour les entreprises, une condition préalable à la planification du déploiement est de suivre les avis exprimés par les sociétés savantes et les groupes professionnels de leur domaine, avant même que le contenu de la réglementation ne soit arrêté.
Si l'on examine les résultats de l'audit d'OpenAI, les discussions sur la conscience et les droits, la coopération entre les États-Unis et la Chine, ainsi que les avis universitaires sur la FDA, on constate que les acteurs qui tracent la ligne se répartissent entre entreprises, commentateurs, nations et organisations professionnelles. La question de savoir qui inspectera les lignes tracées reste sans réponse. Dans la section suivante, nous examinerons dans quelle mesure un dispositif existe pour mener de telles inspections.
Élargir la vérification des modèles de diagnostic par l'image
Dans le cancer du sein, un modèle a été rapporté qui combine la radiomique de l'IRM dynamique avec injection de produit de contraste, multiphase, de la tumeur et de la région péritumorale, avec des caractéristiques conventionnelles pour prédire avant l'opération la quantité de lymphocytes infiltrant la tumeur (BMC Medical Imaging). Pour le cancer de l'endomètre, une stratification préopératoire du risque combinant la radiomique de l'IRM multiparamétrique et l'apprentissage profond a été étudiée (Frontiers in Oncology). Concernant le foie, une étude a été publiée visant à différencier de manière non invasive le carcinome hépatocellulaire du cholangiocarcinome intrahépatique de type masse, en combinant un modèle d'apprentissage profond de l'IRM dynamique avec injection de produit de contraste et un modèle clinique (Frontiers in Oncology). Tous trois visent à augmenter la quantité d'informations disponibles pour décider avant une chirurgie ou une biopsie. Ceux qui envisagent d'introduire un modèle doivent d'abord déterminer, au-delà des chiffres de précision, à quelle étape des soins le modèle sera utilisé.
Des rapports utilisant des images de scanner (CT) et d'anatomopathologie se poursuivent également. Un modèle basé sur un Transformer a été utilisé pour prédire le pronostic du cancer neuroendocrine du poumon. L'étude est une cohorte rétrospective bicentrique (Frontiers in Oncology). Pour les métastases ganglionnaires du cancer gastrique précoce, le risque préopératoire a été évalué à l'aide d'un Transformer multimodal utilisant des images de lames entières de biopsies endoscopiques (Annals of Biomedical Engineering). Dans le cancer de la vessie infiltrant le muscle, un modèle transformer à attention croisée interprétable, fondé sur le scanner avec produit de contraste, a été utilisé pour prédire la survie sans progression. Cela est présenté comme une étude multicentrique (Abdominal Radiology). Cela comprend des conceptions rétrospectives et des rapports limités à deux établissements. La possibilité de l'utiliser tel quel dans les soins courants doit être confirmée par une vérification distincte. En revanche, l'émergence de conceptions favorisant l'interprétabilité est directement liée à la question de la supervision : les médecins peuvent-ils examiner les sorties du modèle ?
Les applications de l'IA d'imagerie s'étendent au-delà de la médecine. Une étude utilisant un modèle CNN pour classer des images IRM cérébrales anormales de chiens a été publiée dans Scientific Reports. Une étude compare des méthodes supervisées et non supervisées pour extraire des tumeurs cérébrales à partir d'images IRM (Romanian Reports in Physics). Dans un domaine plus proche de l'agriculture, un prototype d'IA léger qui utilise une seule caméra pour détecter et retirer les pommes abîmées a été testé dans un processus de tri en ligne (Bioengineer.org). La même technologie d'analyse d'images est utilisée pour le diagnostic humain, le diagnostic animal et le tri des fruits. Il est donc nécessaire de décider séparément pour chaque application quelle part du processus doit être confiée aux machines et ce qui doit être vérifié par des humains.
À mesure que les vérifications se multiplient, la réussite ou l'échec de la mise en œuvre dépendra de la capacité à continuer de contrôler les résultats, et de la manière de le faire, plutôt que de la précision elle-même.
Ce que toutes les sections ont en commun, c'est que, compte tenu de la vitesse à laquelle l'IA est introduite et utilisée, il est facile de vérifier s'il sera possible de maintenir ultérieurement une supervision et un accompagnement humains. Avec la poursuite des suppressions d'emplois, la question est devenue celle des responsabilités que pourraient assumer ceux qui restaient. Sur le marché des capitaux, il est devenu nécessaire de déterminer si les inquiétudes dépassent la réalité. En ce qui concerne le soutien émotionnel, son usage s'est étendu et des experts ont souligné qu'il avait progressé en même temps. La surveillance de la sécurité exigeait une confirmation par un tiers, et le diagnostic par l'image exigeait de décider à quelle étape du traitement le placer. Se hâter d'introduire l'IA ou reporter son introduction peut se déterminer non seulement selon l'ampleur des effets attendus, mais aussi selon qu'un dispositif de supervision et d'accompagnement a été mis en place avant l'introduction.
Q1 : Avec l'effectif actuel, disposez-vous de suffisamment de personnel et de temps pour continuer à vérifier les résultats du travail confié à l'IA même après sa mise en œuvre ? Q2 : Intégrez-vous les résultats de vérifications externes et les commentaires d'experts parmi les conditions d'approbation de l'utilisation de l'IA, plutôt que de vous fier uniquement à l'explication du fournisseur ? Q3 : Les effets attendus de l'introduction de l'IA sont-ils comparés aux coûts et au personnel nécessaires pour maintenir une supervision humaine et un accompagnement, au sein de la même instance de décision ?
Enfin, trois questions
- Le nombre actuel de personnes est-il suffisant, en effectifs comme en temps, pour continuer à vérifier les résultats du travail confié à l'IA même après sa mise en œuvre ? Q2 : Incluez-vous les résultats de vérifications externes et les commentaires d'experts parmi les conditions d'approbation de l'utilisation de l'IA, plutôt que de vous fier uniquement aux explications du fournisseur ? Q3 : Les effets attendus de l'introduction de l'IA sont-ils comparés aux coûts et au personnel nécessaires pour maintenir une supervision et un accompagnement humains au sein de la même instance de décision ? - Plutôt que de vous fier uniquement aux explications du fournisseur, les résultats de vérifications externes et les commentaires d'experts sont-ils inclus parmi les conditions d'approbation de l'utilisation de l'IA ? Q3 : Les effets attendus de l'introduction de l'IA sont-ils comparés aux coûts et au personnel nécessaires pour maintenir une supervision et un accompagnement humains au sein de la même instance de décision ? - Les effets attendus de l'introduction de l'IA sont-ils comparés aux coûts et au personnel nécessaires pour maintenir une supervision et un accompagnement humains au sein de la même instance de décision ?
📚 Sources (tous les documents)
Tous les éléments sur lesquels s'appuie ce numéro. Les liens externes s'ouvrent dans un nouvel onglet. 30 éléments.
Industrie de l'IA
L'IA et l'économie
IA et finance
Vivre et travailler avec l'IA
IA et santé
IA et politique internationale
L'IA dans le monde
Éthique de l'IA
IA et éducation
IA, philosophie et pensée
IA, arts et créativité
L'IA en médecine (soins du cancer, maladies rares)
IA et agriculture
Réglementation, sécurité et géopolitique de l'IA
L'IA et l'industrie pharmaceutique
- Tempus AI et Pathos AI signent un accord de données en neurologie pouvant atteindre 55 millions de dollars — www.tokenpost.com
- Tempus AI, Inc. conclut un accord pluriannuel avec Bristol Myers Squibb pour concéder sous licence des données multimodales en oncologie — marketscreener.com
- Des ECG aux soins assistés par l'IA : Tricog Health développe ses ambitions mondiales avec Sanofi et OMRON Healthcare — Poste pharmaceutique indienne
IA et recherche sur le cancer
- Classification d'images basée sur un modèle CNN pour les anomalies de l'IRM cérébrale canine — Rapports scientifiques
- Prédiction préopératoire des niveaux de lymphocytes infiltrant la tumeur dans le cancer du sein par radiomique d'IRM dynamique avec injection de produit de contraste multiphase tumorale–péritumorale et caractéristiques conventionnelles — BMC Imagerie médicale
- Prédiction pronostique du carcinome neuroendocrine pulmonaire à l'aide d'un modèle d'intelligence artificielle basé sur un transformer : étude de cohorte rétrospective bicentrique — Frontiers in Oncology
- Exploration des méthodes supervisées et non supervisées pour la segmentation des tumeurs cérébrales dans les images IRM — Rapports roumains de physique
- Radiomique basée sur l'IRM multiparamétrique combinée à l'apprentissage profond pour la stratification préopératoire du risque du carcinome de l'endomètre — Frontiers in Oncology
- Évaluation préopératoire du risque de métastase ganglionnaire dans le cancer gastrique précoce par un transformeur multimodal à partir d'images de lames entières de biopsies endoscopiques — Annales de génie biomédical
- Modèle d'apprentissage profond sur IRM dynamique avec produit de contraste associé à un modèle clinique pour la différenciation non invasive du carcinome hépatocellulaire et du cholangiocarcinome intrahépatique de forme massive — Frontiers in Oncology
- Un modèle transformer interprétable à attention croisée, fondé sur la TDM avec produit de contraste, pour prédire la survie sans progression dans le cancer de la vessie infiltrant le muscle : une étude multicentrique — Radiologie abdominale