Le Nigeria confie à deux opérateurs marocains le suivi par satellite de ses cultures
Une délégation nigériane s'est déplacée au Maroc pour sceller l'accord. L'unité présidentielle de coordination des systèmes alimentaires a signé le vendredi 17 juillet, à l'Université Mohammed VI Polytechnique de Ben Guerir, un mémorandum d'entente avec OCP Africa, filiale continentale du groupe OCP, et Ground Truth Analytics, société géospatiale issue de cette même université. Le National Agro-Productivity System doit fournir aux administrations nigérianes des données sur l'emplacement des cultures, les terres disponibles, les prévisions de récolte et les risques pesant sur la sécurité alimentaire, à partir d'images satellitaires renouvelées tous les cinq jours. Le déploiement se fera en trois temps, d'un premier État à trois États en suivi complet, avant un suivi multi-saisons sur quinze États prioritaires. Au Maroc, la même plateforme annonce la récolte nationale de blé trois mois avant la moisson, avec une précision que l'entreprise situe entre 90 et 95 %.
Pourquoi c'est important
Ground Truth Analytics est une filiale de l'UM6P. Une université marocaine vend donc à un État fédéral africain un système qu'elle a d'abord éprouvé sur les campagnes céréalières du Royaume. Le chemin suivi se reproduit pour les bureaux d'études et les sociétés de services géospatiaux installés au Maroc, d'un mémorandum avec une administration centrale à un pilote sur quelques régions, puis au marché national. C'est un cycle de vente que le secteur connaissait pour les intrants agricoles, beaucoup moins pour la donnée.
Source : Punch
La directrice financière d'OpenAI propose de mesurer l'IA au coût de la tâche réussie
Sarah Friar, directrice financière d'OpenAI, a mis en ligne le 17 juillet une grille de lecture du rendement de l'intelligence artificielle en entreprise, ramenée à une formule, l'« intelligence utile par dollar ». Quatre questions la composent, portant sur l'utilité du travail confié à la machine, le coût de chaque tâche réussie, la fiabilité du résultat et le rendement de chaque dollar investi à mesure que l'usage progresse. Le calcul qu'elle recommande additionne le coût complet du travail rendu au niveau de qualité exigé, puis le divise par le nombre de tâches réussies ; dans une entreprise, ce coût englobe le temps des salariés, la relecture humaine, les reprises et les tentatives infructueuses. Elle écarte le nombre de licences vendues et le coût par jeton, deux indicateurs qui ne disent rien du travail effectivement accompli.
Pourquoi c'est important
Rapporter la dépense à la tâche réussie déplace le regard du prix de l'abonnement vers le taux d'échec. Une direction qui installe un assistant sur son service client compte d'un côté les dossiers effectivement clos, de l'autre les reprises et le temps passé à vérifier les réponses, un poste que la facture de l'éditeur ne fait jamais apparaître. La grille vient d'un fournisseur qui a intérêt à ce que la dépense se justifie, ce qui n'ôte rien à l'utilité du calcul pour une PME cherchant à savoir si son outil paie.
Source : OpenAI
Cadrer un projet d'IA en entreprise →Les modèles ouverts rattrapent en cybersécurité les modèles fermés d'il y a quatre à sept mois
Sur les tâches de cybersécurité, les modèles à poids ouverts ne comptent plus que quatre à sept mois de retard sur les modèles fermés de pointe. C'est le constat d'une évaluation publiée le 17 juillet par l'AI Security Institute britannique, qui mesurait un écart de six à dix mois sur les modèles ouverts parus entre janvier et septembre 2025. Le coût varie fortement d'un modèle à l'autre. Une épreuve de cyber range de 100 millions de jetons revient à environ 85 dollars avec Opus 4.5 ou 4.6, contre un montant estimé à 46 dollars avec GLM-5.2 et 1,19 dollar avec DeepSeek V4-Pro, aux tarifs en vigueur. L'institut ajoute que les garde-fous des modèles ouverts, à commencer par l'entraînement au refus, sont « souvent facilement réversibles » dès lors que l'on dispose des poids ; ses chercheurs ont contourné les refus occasionnels de DeepSeek V4-Pro sur les tâches étroites, principalement en rétro-ingénierie, en réessayant quelques fois.
Pourquoi c'est important
Un modèle dont les poids circulent librement s'exécute hors de portée de son concepteur, et l'entraînement au refus se retire une fois ces poids en main. Pour un responsable de la sécurité informatique, la conséquence pratique porte sur le coût de l'attaque : à ces tarifs, le balayage automatisé de vulnérabilités cesse d'être réservé aux attaquants dotés de moyens. Les défenses qui reposaient sur la lenteur ou la cherté de ce travail perdent une partie de leur effet.
Source : AI Security Institute
Google repousse Gemini 3.5 Pro, jugé insuffisant en programmation, et Alphabet perd 4,4 % en Bourse
Annoncé en mai à la conférence Google I/O, Gemini 3.5 Pro ne sortira pas avant plusieurs mois. Bloomberg a rapporté le 16 juillet que les performances du modèle en génération de code restaient en deçà des objectifs internes de Google, qui avait pourtant révisé ses données d'entraînement à la fin du mois précédent sans obtenir les résultats espérés. L'action Alphabet a reculé d'environ 4,4 % dans la journée, effaçant près de 200 milliards de dollars de capitalisation. Le décalage intervient alors qu'OpenAI et Meta ont mis en ligne des modèles qui devancent l'offre actuelle de Google sur la production de code.
Pourquoi c'est important
La programmation est devenue le terrain où se juge un modèle généraliste, parce que c'est l'usage qui se mesure le plus facilement et se facture le mieux. Une entreprise qui avait prévu de bâtir ses outils internes sur la prochaine génération de Gemini doit décaler son calendrier ou se tourner vers un fournisseur concurrent. La sanction boursière indique surtout que les investisseurs traitent désormais un retard de modèle comme un avertissement sur résultats.
Source : CNBC
Meta discuterait de la location de ses capacités de calcul excédentaires à Anthropic
Meta et Anthropic seraient en discussion pour que le groupe de Mark Zuckerberg loue au laboratoire une partie des capacités inutilisées de ses centres de données. Le New York Times, qui cite trois personnes au fait des échanges, a révélé l'information le 17 juillet ; Reuters, CNBC et CNN l'ont reprise le même jour. Les discussions en seraient à un stade très préliminaire et pourraient ne déboucher sur aucun accord, dont le montant atteindrait au maximum 10 milliards de dollars sur deux ans. Anthropic aurait formulé la proposition en juin et Meta l'examinerait encore, chaque partie restant libre de se retirer. Ni Meta ni Anthropic n'ont commenté publiquement. Meta prévoit d'investir jusqu'à 145 milliards de dollars cette année, pour l'essentiel dans ses infrastructures d'IA.
Pourquoi c'est important
Meta a bâti ses centres de données pour ses propres modèles et se retrouve avec une capacité que sa feuille de route ne consomme pas. La louer reviendrait à concurrencer Amazon, Microsoft et Google sur un parc déjà financé, sans construire une offre commerciale de zéro. Pour les entreprises qui achètent du calcul, un fournisseur supplémentaire pèse sur les prix et sur les délais d'accès aux processeurs graphiques, deux points de blocage récurrents des projets d'IA menés depuis le Maroc.
Source : The Decoder