# Automatisation Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Automatisation", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

94 billions, le plus grand financement de l'année pour les robots humanoïdes est apparu

Dans le secteur des robots humanoïdes, un tournant majeur est marqué par le financement record de 14 milliards de dollars (environ 94,9 milliards de yuans) levé par l'entreprise allemande Neura. Cette levée de fonds de série C, menée par des investisseurs industriels de renom comme Schaeffler et Bosch, ainsi que des géants technologiques (NVIDIA, Amazon), porte l'évaluation de Neura à environ 70 milliards de dollars. Cet investissement massif signale un changement profond : la filière passe d'une phase de démonstration technologique à une phase d'industrialisation et de déploiement concret en usine. Contrairement aux sociétés axées sur un robot humanoïde "universel" (comme Figure AI), Neura adopte une approche pragmatique, ciblant d'abord des applications industrielles verticales et spécifiques, comme en témoigne son partenariat avec BMW. La conjonction de plusieurs facteurs explique cet afflux de capitaux : les progrès de l'IA (modèles de grande taille) qui améliorent les capacités de perception et de décision des robots, et les pressions structurelles sur le marché du travail (vieillissement, pénurie de main-d'œuvre, coûts salariaux) qui créent une demande croissante dans la fabrication. Les principaux défis pour une adoption massive ne sont plus uniquement techniques. Ils concernent désormais les coûts d'adaptation aux lignes de production existantes, la formation des opérateurs et la mise en place d'un réseau de maintenance fiable. L'entrée en scène de capitaux industriels expérimentés démontre une confiance accrue dans la capacité du secteur à résoudre ces problèmes d'ingénierie et de modèle commercial, achevant ainsi la transition cruciale du laboratoire au sol de l'usine.

marsbit06/14 02:58

94 billions, le plus grand financement de l'année pour les robots humanoïdes est apparu

marsbit06/14 02:58

Anthropic met en garde contre l’IA récursive, la nouvelle société de Tian Yuan Dong vient de franchir la « première étape »

Il y a quelques jours, Anthropic a publié un article intitulé "When AI Builds Itself", déclenchant des discussions sur l'« amélioration récursive de soi » – des systèmes d'IA conçus pour développer de manière autonome leurs versions successives. Simultanément, Recursive Superintelligence, une startup cofondée par Tianyuandong (ex-Meta FAIR), a émergé de son mode furtif et a présenté ses premiers résultats techniques : un système d'automatisation de la recherche en IA. Intitulé "First Steps Toward Automated AI Research", ce système vise à automatiser la boucle classique de la recherche (idée, code, expérience, analyse). Il a été évalué sur trois références, établissant de nouveaux records. Sur NanoChat Autoresearch, il a amélioré la perte de validation d'un petit modèle de langage. Sur NanoGPT Speedrun, il a réduit le temps d'entraînement nécessaire pour atteindre une perte cible (de 79,7 à 77,5 secondes). Enfin, sur SOL-ExecBench (optimisation de noyaux GPU), il a augmenté le score global de 0,699 à 0,754, se rapprochant de la limite théorique du matériel. Fondée fin 2025/début 2026, Recursive a levé 650 millions de dollars avec une valorisation de 4,65 milliards. Son objectif est d'accélérer les progrès de l'IA en permettant à l'IA d'améliorer récursivement ses propres capacités de recherche. Cette avancée illustre l'émergence d'un nouveau paradigme de recherche, tandis qu'Anthropic met en garde contre les risques potentiels de cette trajectoire et appelle à une coordination mondiale. Recursive reconnaît qu'il ne s'agit que d'un premier pas, les défis comme la prévention de la triche aux indicateurs restant majeurs pour une application à des problèmes scientifiques ouverts.

marsbit06/12 04:17

Anthropic met en garde contre l’IA récursive, la nouvelle société de Tian Yuan Dong vient de franchir la « première étape »

marsbit06/12 04:17

Mythos version publique officiellement en ligne : Analyse des avantages et des limites de l'audit des contrats intelligents par IA

Le modèle AI Claude Fable 5 d'Anthropic, désormais disponible en version publique, démontre une efficacité remarquable pour identifier certaines vulnérabilités dans les audits de smart contracts. Un exemple frappant est sa capacité à détecter des conflits d'emplacement de stockage ("storage slot collision"), comme illustré par un cas où un mécanisme ReentrancyGuard et un mapping de récompenses entraient en collision, créant une vulnérabilité permettant des retraits infinis de fonds. L'IA excelle dans l'analyse syntaxique, la correspondance de motifs de code et le criblage de grands volumes de code pour des défauts standardisés au sein d'un seul contrat. Cependant, l'IA présente encore des limites significatives face aux scénarios d'attaque complexes impliquant plusieurs protocoles. Le test de l'incident Curve LlamaLend sDOLA le confirme : Fable 5 n'a pas pu identifier le risque central d'une attaque reposant sur la manipulation du prix d'un actif via un pool Curve, déclenchant ensuite des liquidations exploitables. Ces vulnérabilités combinatoires, qui nécessitent une compréhension profonde de la sémantique inter-contrats et des modèles économiques DeFi, échappent encore largement aux capacités de l'audit purement automatisé. En conclusion, l'IA constitue un outil puissant pour automatiser la détection de vulnérabilités techniques localisées et améliorer l'efficacité, mais elle doit être intégrée dans un processus d'audit hybride, dirigé par des experts humains, pour couvrir efficacement les risques logiques et contextuels complexes des écosystèmes DeFi.

marsbit06/11 08:08

Mythos version publique officiellement en ligne : Analyse des avantages et des limites de l'audit des contrats intelligents par IA

marsbit06/11 08:08

L'angoisse des investisseurs en IA en 2026 : Quand les modèles engloutissent tout, que reste-t-il comme avantage concurrentiel pour les startups ?

L'article aborde l'anxiété des investisseurs en IA face à la montée en puissance des modèles génératifs. L'auteure, Sarah Guo, contredit le désespoir qui voudrait que seuls les géants comme Anthropic et NVIDIA soient des investissements valables, car les modèles finiraient par "tout absorber". Elle explique que les benchmarks publics, souvent utilisés pour mesurer les progrès, ne capturent pas la valeur réelle. Les tâches facilement mesurables et standardisées deviennent effectivement des commodités, rapidement assimilées par les modèles de base. La vraie valeur et le véritable avantage concurrentiel ("la douve") résident ailleurs : dans le **terrain non entraînable**. Cela inclut : * **La justesse privée et difficile à obtenir** : La connaissance profonde des systèmes complexes, des données propriétaires et des processus internes d'une entreprise, qui ne peut être vérifiée que par une longue expérience opérationnelle. * **L'intégration et l'adoption** : Le travail laborieux d'intégration dans des environnements clients spécifiques (systèmes informatiques, flux de travail, exigences de conformité), qui prend du temps et repose sur la confiance. * **La responsabilité et l'autorité** : Le fait d'être la partie responsable, d'obtenir les licences nécessaires et de définir, de l'intérieur, ce qui constitue un "bon" résultat pour un domaine donné (comme la médecine ou le droit). Les entreprises qui réussiront ne seront pas de simples "couches fines" autour d'un modèle. Ce seront celles qui opèrent dans ce "coin non entraînable", en traduisant les besoins du monde réel pour les modèles et en modifiant les organisations pour qu'elles les utilisent. Elles construiront des barrières à travers une intégration profonde, des données exclusives et la confiance des clients, que l'intelligence brute seule ne peut contourner. Ainsi, malgré la puissance croissante des modèles, il reste un vaste espace pour les startups qui savent exploiter cette valeur contextuelle, difficile à mesurer mais cruciale. L'avenir appartient à ceux qui construiront non pas sur des scores de benchmarks, mais sur une compréhension profonde et opérationnelle de problèmes spécifiques.

marsbit06/11 03:39

L'angoisse des investisseurs en IA en 2026 : Quand les modèles engloutissent tout, que reste-t-il comme avantage concurrentiel pour les startups ?

marsbit06/11 03:39

Rédiger des prompts, c'est dépassé ? Le codage IA se tourne vers l'ingénierie de boucles (Loop Engineering)

L'ingénierie de boucle (Loop Engineering) remplace désormais l'écriture manuelle de prompts pour les agents d'IA de programmation. Au lieu de guider pas à pas un agent, les développeurs conçoivent désormais des systèmes automatisés qui découvrent, allouent, exécutent et vérifient les tâches de manière récursive jusqu'à leur achèvement. Un tel système repose sur cinq composants clés : les Automations (pour déclencher et trier les tâches), les Worktrees (pour isoler les environnements de travail parallèles), les Skills (pour capitaliser la connaissance du projet), les Plugins/Connecteurs (pour intégrer les outils externes comme GitHub ou Slack), et les Sous-agents (séparant la création de la vérification). Une couche de Mémoire externe (fichiers, tableaux) est essentielle pour suivre l'état entre les exécutions. Des outils comme Claude Code et Codex intègrent désormais ces capacités. Par exemple, une boucle peut chaque matin analyser les échecs de CI, ouvrir des corrections dans des branches isolées, les faire vérifier par un sous-agent, et créer des PR via des connecteurs. Cependant, la boucle n'élimine pas la nécessité d'une compréhension et d'une validation humaines. Elle amplifie le levier du développeur mais ne remplace pas son jugement. Les risques incluent l'accumulation d'une "dette de compréhension" ou une "reddition cognitive" si le développeur cesse de superviser activement. La compétence future ne résidera plus dans l'écriture de prompts, mais dans la conception de flux de travail d'agents fiables, vérifiables et durables.

marsbit06/10 18:02

Rédiger des prompts, c'est dépassé ? Le codage IA se tourne vers l'ingénierie de boucles (Loop Engineering)

marsbit06/10 18:02

Comment utiliser les Dynamic Workflows de Claude pour effectuer des recherches approfondies

L’article explore comment utiliser la fonctionnalité **Dynamic Workflows** de Claude Code pour mener des recherches approfondies. L’auteur explique que les recherches techniques présentent souvent des pièges, car l’abondance d’informations peut brouiller les conclusions. Bien que l’IA excelle dans l’exécution et la synthèse, elle a tendance à se perdre dans les détails et manque de capacité à faire des liens transversaux. **Dynamic Workflows** permet à l’IA de concevoir automatiquement un flux de travail adapté à une tâche avant de l’exécuter, intégrant des mécanismes de validation, de convergence des résultats et de vérification contradictoire. La fonction est accessible via la commande `/deep-research` dans Claude Code, mais consomme beaucoup plus de tokens qu’une conversation standard. L’article détaille six modes de flux intégrés : 1. **Routeur (Classify-and-Act)** : Un agent central dirige la tâche vers l’agent spécialisé le plus adapté. 2. **Diviser-fusionner (Fan-out & Merge)** : La tâche est divisée en sous-tâches parallèles, dont les résultats sont ensuite fusionnés. 3. **Vérification contradictoire (Adversarial Verification)** : Plusieurs agents contestent une conclusion pour en valider la solidité. 4. **Générer-filtrer (Generate & Filter)** : Plusieurs solutions sont générées, puis filtrées selon des critères stricts. 5. **Tournoi (Tournament)** : Les propositions sont comparées par paires pour sélectionner la meilleure. 6. **Boucle (Loop)** : Le processus itère jusqu’à ce que des critères de validation soient satisfaits. L’auteur compare ces flux à son propre système de recherche, notant que la version officielle ajoute une **décomposition préalable des problèmes**, une **évaluation de la crédibilité des sources**, une **suppression des doublons par vote** et une **production orientée vers l’objectif initial**. Cela résout des problèmes courants comme la dérive des objectifs, l’arrêt prématuré, la pollution du contexte et les biais de confirmation. En conclusion, **Dynamic Workflows** structure le processus de recherche, réduisant le nombre d’interactions nécessaires et améliorant la profondeur et la fiabilité des analyses. Cependant, certaines limites persistent, comme la difficulté à valider des faits en dehors des sources officielles, le manque de créativité véritablement transversale, et la complexité à concevoir et vérifier des solutions pratiques ou à adapter la synthèse à différents publics.

marsbit06/09 03:13

Comment utiliser les Dynamic Workflows de Claude pour effectuer des recherches approfondies

marsbit06/09 03:13

Hardware & Chips en exclusivité | Tang Wenbin de "Original Force Spirit Machine" rachète une entreprise de robots logistiques et reçoit des investissements de Zhipu, SenseTime, StepFun, entre autres

**Résumé exclusif de 36Kr : ForceAGI, une entreprise d'IA incarnée fondée par Tang Wenbin (co-fondateur de Megvii), lève des fonds et fusionne avec un robotiste logistique** L'entreprise d'intelligence artificielle incarnée **ForceAGI** a récemment conclu un nouveau tour de financement. Les investisseurs principaux sont des sociétés majeures de grands modèles linguistiques, notamment **Zhipu AI**, **Stepfun** et **SenseTime**. Des investisseurs industriels comme **Huaqin** et **SAIC Hengxu** ont également participé. Fondée en mars 2025 par **Tang Wenbin**, ancien co-fondateur et CTO de Megvii, ForceAGI développe des modèles génériques d'IA incarnée. Ce tour de financement marque un rapprochement notable entre d'anciens rivaux comme SenseTime et Megvii dans la course à l'IA incarnée. Parallèlement, **ForceAGI a fusionné par acquisition d'actions avec Atomix (anciennement Force Convergence)**, un spécialiste des robots logiques. Fondé sur une division des activités robotiques de Megvii dirigée par Tang Wenbin depuis 2016, Atomix est un acteur mondial des chariots à palettes, avec un chiffre d'affaires annuel approchant le milliard de RMB et plus de 500 projets clients. Cette fusion stratégique vise à briser "l'impasse des données" du secteur. Atomix fournira des **données opérationnelles réelles massives** issues de ses projets mondiaux pour entraîner les modèles de ForceAGI. En retour, les modèles d'IA incarnée de ForceAGI seront déployés pour superviser et collaborer avec les robots existants d'Atomix. ForceAGI s'appuie sur son modèle générique "DM0", qui utilise un **entraînement hybride** combinant données sémantiques internet, règles physiques de la conduite autonome et données d'opération robotique. Cette approche permettrait à DM0 de généraliser la compréhension des lois physiques et de s'adapter à divers matériels robotiques. Malgré sa taille modeste (2,4B de paramètres), il atteindrait une précision sub-millimétrique. Cette levée de fonds et fusion illustre une tendance émergente dans l'IA incarnée : la **convergence des acteurs** (fabricants de robots, détenteurs de données, développeurs de modèles, opérateurs de scénarios) pour créer une boucle vertueuse données-modèle-scénario et trouver la loi d'échelle (scaling law) propre au domaine.

marsbit06/05 01:10

Hardware & Chips en exclusivité | Tang Wenbin de "Original Force Spirit Machine" rachète une entreprise de robots logistiques et reçoit des investissements de Zhipu, SenseTime, StepFun, entre autres

marsbit06/05 01:10

La fusion de Codex et de ChatGPT marque le début d'une refonte complète des outils de programmation

OpenAI annonce une réorientation stratégique majeure en fusionnant ChatGPT, Codex et son navigateur Atlas en une super-application de bureau unique. Ce changement signale que l'entreprise considère désormais Codex, son outil axé sur l'exécution de tâches, comme le produit d'avenir, plutôt que ChatGPT, centré sur le dialogue. La croissance rapide de Codex, avec plus de 5 millions d'utilisateurs actifs hebdomadaires, est portée par son adoption au-delà des développeurs. Analystes, gestionnaires, marketeurs et autres professionnels l'utilisent pour automatiser des travaux complexes comme l'analyse financière ou la création de contenu. La valeur perçue par les entreprises réside dans sa capacité à *exécuter* le travail, pas seulement à en discuter. Pour accompagner cette évolution, OpenAI introduit des plugins spécialisés pour différents métiers (analyse de données, vente, conception, etc.) et des fonctionnalités comme "Sites", qui transforme automatiquement des documents en sites web interactifs. L'ambition ultime est de redéfinir l'interaction logicielle : l'IA comprend l'objectif de l'utilisateur et orchestre elle-même les outils pour l'atteindre, agissant comme un véritable "collaborateur numérique".

marsbit06/04 11:37

La fusion de Codex et de ChatGPT marque le début d'une refonte complète des outils de programmation

marsbit06/04 11:37

GitHub, transpercé par l’IA

Le 9 février, une panne majeure de GitHub, due à la surcharge d'un cluster de bases de données d'authentification, a révélé une crise plus profonde. En 2026, la plateforme a connu au moins 8 incidents majeurs, échouant à maintenir sa disponibilité promise de 99,9%. La cause sous-jacente est l'explosion de l'utilisation par les IA agents. Les données sont éloquentes : le nombre de commits hebdomadaires est passé d'environ 190 millions pour l'année 2025 à 275 millions par semaine début 2026, soit une croissance annuelle projetée de 14 fois. Des outils comme Claude Code génèrent désormais 4,5% de tous les commits publics, leur volume ayant été multiplié par 25 en trois mois. Les agents IA, qui ne dorment jamais et peuvent dépasser la productivité hebdomadaire d'un humain en une heure, transforment la nature de la charge. Cette nouvelle utilisation bouleverse aussi le modèle économique. Le forfait mensuel fixe de Copilot n'est plus viable face aux sessions "agentiques" longues et gourmandes en ressources. GitHub a dû instaurer des limites d'usage et, depuis le 1er juin, passer à une facturation à l'usage basée sur des "AI Credits". Face à cette pression, une simple mise à l'échelle est insuffisante. GitHub a annoncé la nécessité de **reconcevoir son architecture pour supporter une charge 30 fois supérieure**, en découplant les services critiques et en éliminant les points de défaillance uniques. La plateforme, conçue comme un espace de collaboration humaine, devient de plus en plus la "sortie d'échappement" des workflows automatisés des IA. Cette série de pannes est le signe avant-coureur d'une transformation fondamentale de l'industrie du logiciel, obligeant les infrastructures comme GitHub à se réinventer sous une pression intense.

marsbit06/04 10:44

GitHub, transpercé par l’IA

marsbit06/04 10:44

Claude Code lance des workflows dynamiques : faire en sorte que l'IA apprenne à travailler en équipe

Claude Code introduit des flux de travail dynamiques, permettant à l'IA de créer des cadres d'exécution sur mesure pour des tâches complexes. Ces workflows coordonnent plusieurs agents Claude indépendants, chacun avec son propre contexte, pour décomposer les missions, traiter en parallèle, valider de manière antagoniste et synthétiser les résultats. Cette approche vise à résoudre des problèmes courants des modèles linguistiques sur de longues tâches : la paresse agentique (arrêt prématuré), le biais d'auto-préférence (favoriser ses propres conclusions) et la dérive d'objectifs. Les flux de travail dynamiques s'appliquent au-delà du code, pour la recherche approfondie, la vérification des faits, le tri de CV, l'enquête sur les causes profondes, le brainstorming de noms ou l'examen de plans d'affaires. L'article présente des modèles pratiques comme la classification et l'exécution, l'éventail et la synthèse, la validation antagoniste, les tournois et les boucles jusqu'à l'achèvement. Il souligne que les workflows, bien que consommant généralement plus de jetons, ne sont pas une solution universelle mais représentent une direction importante : la future concurrence des outils d'IA pourrait reposer sur leur capacité à orchestrer des processus d'exécution fiables et réutilisables pour des objectifs complexes.

marsbit06/04 02:21

Claude Code lance des workflows dynamiques : faire en sorte que l'IA apprenne à travailler en équipe

marsbit06/04 02:21

活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow

Ethereumright-arrow