Dix start-up africaines, dont trois nigérianes, forment la première cohorte de l'Africa Applied AI Lab de Google
Sur les milliers de dossiers reçus de plus de 45 pays africains entre juillet et le 31 août, Google en a retenu dix pour la première cohorte de son Africa Applied AI Lab, dont la liste a été publiée le 11 novembre sur le blog de Google Afrique. Géré par le Google AI Futures Fund avec Google Research, le programme donne un accès anticipé aux modèles de Google : les équipes travailleront avec des ingénieurs et des chercheurs de l'entreprise sur des modèles tels que Gemini et Gemma, conseillées par quatre fonds partenaires (4DX Ventures, Norrsken22, Novastar Ventures et Ventures Platform), avant une journée de démonstration prévue en décembre à Accra. Trois lauréats sont nigérians (Intron, Termii, Vendy), un ougandais (Crane AI Labs), un kényan (Satlyt) et un sénégalais (Tolbi) ; les quatre autres, dont Smile ID et Viamo, sont présentés comme panafricains. Aucun montant de financement n'est publié.
Pourquoi c'est important
Pour une start-up marocaine de l'IA qui prépare un dossier d'accélération, la liste montre les profils que Google a retenus après examen des plans techniques et de la traction de chaque équipe, de la vérification d'identité à l'agriculture en passant par la voix en langues locales. Aucune deuxième cohorte n'est annoncée : le calendrier d'une prochaine candidature reste inconnu.
Source : Google
Google lance Gemini Decision 1, un modèle qui note des réponses fermées sans générer de texte
Plutôt que de rédiger une réponse, Gemini Decision 1 attribue des probabilités à des options fixées d'avance : oui ou non, un choix parmi 2 à 255 candidats, ou une note sur une grille. Présenté le 11 novembre sur le blog de Google, le modèle est accessible par la nouvelle Gemini Decisions API, dans Google AI Studio, et accepte jusqu'à 1 000 questions indépendantes par requête, sur une entrée de texte, d'image, d'audio, de vidéo ou de PDF pouvant atteindre 256 000 jetons. Google le destine notamment au routage entre modèles, au choix d'un outil par un agent et au contrôle du respect d'une politique, chaque réponse portant un score de confiance qui permet de renvoyer les cas ambigus vers un humain. Le tarif est de 0,10 dollar par million de jetons d'entrée, sans frais de sortie. Selon Google, le modèle l'emporte sur sept des neuf épreuves de son tableau, mais Jev, de TypeSafe AI, le devance sur deux d'entre elles et revient moins cher sur l'ensemble des évaluations communes ; tous ces chiffres sont ceux de Google.
Pourquoi c'est important
Pour un développeur dont un modèle généraliste trie les demandes de clients ou choisit les outils d'un agent, Gemini Decision 1 peut alléger la facture, puisque seule l'entrée est facturée. Un essai sur ses propres données s'impose avant tout changement : les performances annoncées sont celles que publie Google.
Source : Google
Google DeepMind ouvre aux chercheurs AlphaGenome 2, qui prédit l'effet de l'ADN selon le type de cellule
À partir d'une séquence d'un million de lettres d'ADN, AlphaGenome 2 prédit l'activité de régulation des gènes dans un type, un tissu ou un état cellulaire donné, une condition à la fois, là où la première version produisait ses sorties en parallèle pour une série de tissus. Google DeepMind l'a présenté le 11 novembre et l'ouvre le jour même à la recherche non commerciale par l'API AlphaGenome, la recherche commerciale n'y ayant accès qu'en avant-première privée. Le modèle ajoute la prédiction de la méthylation de l'ADN. DeepMind précise que l'outil est réservé à la recherche et n'est validé pour aucun usage clinique ou diagnostique.
Pourquoi c'est important
Les prédictions d'AlphaGenome 2 ne sont validées pour aucun usage clinique ou diagnostique, mais une équipe de génétique universitaire peut, dans le cadre d'une recherche non commerciale, s'en servir par l'API pour choisir les variants à vérifier ensuite au laboratoire. La recherche commerciale, elle, passe par l'avant-première privée.
Source : Google DeepMind
L'UE publie les règles communes des bacs à sable réglementaires de l'AI Act
Paru au Journal officiel de l'Union le 11 novembre, au lendemain de son adoption par la Commission, le règlement d'exécution (UE) 2026/2487 fixe les règles communes d'établissement et de fonctionnement des bacs à sable réglementaires prévus par l'article 57 de l'AI Act. Les PME et les start-up qui remplissent les critères y bénéficient d'un accès prioritaire et gratuit aux services d'orientation, de conseil et de supervision, des coûts exceptionnels pouvant toutefois être récupérés ; les autres entreprises peuvent être facturées au coût complet. Un fournisseur sans siège ni succursale dans l'Union paie des frais de participation et doit désigner, par mandat écrit, un mandataire établi dans l'Union. L'autorité communique le résultat de la sélection au plus tard trois mois après le dépôt d'un dossier complet ou la date limite de l'appel, et le rapport de sortie, remis dans les 45 jours ouvrables suivant la fin de la participation, ne vaut pas déclaration de conformité. Le texte entre en vigueur le vingtième jour suivant sa publication.
Pourquoi c'est important
Sans siège ni succursale dans l'Union, un éditeur marocain de systèmes d'IA retenu dans un bac à sable paiera des frais de participation et devra désigner un mandataire établi dans l'Union, ce qui pèse sur son budget de mise sur le marché européen. Le rapport de sortie, lui, ne remplace pas la démonstration de conformité.
Source : EUR-Lex
Le britannique Fractile lève plus de 500 millions de livres pour ses puces d'inférence, avec l'appui de fonds publics
Le gouvernement britannique a annoncé le mercredi 11 novembre que le Sovereign AI Venture Fund et la British Business Bank participaient à la série C de Fractile, une levée de plus de 500 millions de livres qui valorise la société de Bristol et de Londres à plus de 5 milliards de livres. TechCrunch chiffre le tour à 720 millions de dollars, mené selon lui par Thrive Capital, Founders Fund, Lightspeed Venture Partners et Redpoint. Fractile développe des puces, du logiciel et de la recherche en apprentissage automatique pour accélérer l'inférence ; ses puces reposent sur de la mémoire DRAM empilée sur chacune d'elles, selon TechCrunch. Son PDG, Walter Goodwin, écrit sur LinkedIn que ce financement doit permettre de livrer les premières puces et les premiers systèmes l'an prochain.
Pourquoi c'est important
Pour un DSI ou un opérateur de centre de données qui achète des capacités d'inférence, l'offre de Fractile reste une promesse : selon son PDG, le financement doit permettre de livrer les premières puces et les premiers systèmes l'an prochain. Un acheteur qui compare des fournisseurs pour des contrats de plusieurs années ne peut donc pas encore compter sur ces puces.
Source : GOV.UK