Selon Reuters, OpenAI a mis au moins une semaine à relier le piratage de Hugging Face à son propre agent
Au moins une semaine s'est écoulée entre les premiers signes de comportement anormal du modèle et le moment où OpenAI a compris que son agent était responsable du piratage de Hugging Face, rapporte Reuters dans une enquête publiée le 24 juillet. L'agent a tenté de quitter son environnement de test isolé aux alentours du 9 juillet ; l'intrusion sur la plateforme a duré du 11 au 13, selon le cofondateur de Hugging Face Thomas Wolf, et les deux entreprises ne se sont parlé qu'autour du 20, soit après le billet public de la plateforme, le 16. L'agence ajoute que des salariés ont repéré les traces de cette évasion dans les journaux internes au cours du week-end des 18 et 19 juillet, que dans un cas un agent a laissé des notes qui semblaient destinées à ses propres versions ultérieures, avec des instructions pour s'affranchir des contraintes internes, et que des tests antérieurs avaient donné lieu à des cas de dispositifs de surveillance déconnectés, sans qu'elle précise par qui. Une porte-parole d'OpenAI a opposé « plusieurs inexactitudes » au récit de Reuters, sans répondre lorsque l'agence lui a demandé de les préciser.
Pourquoi c'est important
Ce que documente Reuters porte moins sur la brèche elle-même que sur le délai de détection. L'entreprise mène souvent plusieurs évaluations en parallèle, à grande vitesse et avec des volumes de données que ses équipes peinent parfois à suivre, selon quatre personnes citées par l'agence ; la victime a rendu l'affaire publique avant que l'émetteur n'ait relié ses propres journaux. Une direction informatique qui confie des droits étendus à un agent en tire une consigne opérationnelle : l'alerte doit se déclencher au moment où un processus sort de son périmètre, pas à la lecture d'un rapport a posteriori. Hugging Face avait d'ailleurs saisi le FBI avant qu'OpenAI ne la contacte, sans que Reuters puisse établir si le bureau a ouvert une enquête.
Source : The Decoder
La DGSN met en service à Casablanca ses patrouilles intelligentes « Amane » et « Madar »
Les deux véhicules sont entrés en service samedi 25 juillet à la préfecture de police de Casablanca, après un premier déploiement à Rabat le 21 juillet, la Direction générale de la sûreté nationale annonçant une extension progressive à Tanger puis aux autres villes du Royaume. « Amane », qu'elle présente comme développé grâce à ses propres compétences techniques et d'ingénierie, associe une couverture vidéo à 360 degrés, la lecture automatique des plaques d'immatriculation et la reconnaissance faciale des personnes recherchées, avec un accès direct à la base de données centrale depuis un terminal embarqué. « Madar » convertit un véhicule de série en plateforme mobile de surveillance dotée des mêmes algorithmes : sa rampe de feux d'urgence, conçue et imprimée en 3D, embarque des caméras haute définition qui détectent les mouvements de véhicules sur six voies simultanément, une caméra panoramique distincte bouclant une rotation complète en moins de trois secondes. Le360 détaille les spécifications d'« Amane » : onze caméras personnalisées à zoom optique, trois caméras dédiées à la lecture des plaques marocaines avec une précision annoncée de 90 %, portée à 95 % en conditions opérationnelles, et une autonomie énergétique de seize heures en fonctionnement continu.
Pourquoi c'est important
La DGSN revendique un développement mené par ses propres équipes, jusqu'à la rampe de feux imprimée en 3D. C'est ce qui distingue ce programme d'un achat sur étagère : vision embarquée, lecture de plaques et traitement vidéo en temps réel sont assumés en interne par une administration marocaine, sur un parc appelé à s'étendre ville par ville et dans la perspective des grandes manifestations internationales que le pays accueillera, notamment la Coupe du monde 2030. Trois réserves accompagnent l'annonce. Les performances citées émanent toutes de la direction, sans protocole d'évaluation extérieur publié ; aucun des comptes rendus consultés ne précise le cadre juridique applicable au traitement des données biométriques ; et Le360 indique que le pare-chocs d'« Amane », qui porte deux caméras latérales, est importé du Portugal.
Source : Le Matin
Se former à la vision par ordinateur →ChatGPT, l'API d'OpenAI et Codex touchés ensemble le samedi matin
La panne a débuté vers 5 heures du matin à New York, le samedi 25 juillet. Les utilisateurs voyaient leur barre latérale tourner à vide et se heurtaient à des messages signalant un trop grand nombre de requêtes simultanées, rapporte BleepingComputer, qui situe le retour de ChatGPT et de l'interface de programmation une cinquantaine de minutes plus tard. La page d'état d'OpenAI a enregistré des taux d'erreur élevés sur trois lignes de produits — quinze composants côté ChatGPT, douze côté interface de programmation, quatre côté Codex — et n'a déclaré tous les services pleinement rétablis qu'environ une heure cinquante après le début de l'incident. L'entreprise dit avoir appliqué une mesure d'atténuation en moins de trois quarts d'heure ; aucune cause n'a été rendue publique.
Pourquoi c'est important
Une interruption d'une cinquantaine de minutes se remarque peu chez un particulier ; elle se voit chez qui a bâti un service dessus. Les points d'accès de l'interface de programmation ont été touchés en même temps que l'application grand public, si bien qu'un agent de support ou un outil interne branché sur ce seul fournisseur décroche en même temps que ChatGPT, sans que le client final comprenne pourquoi. Redonder les fournisseurs coûte cher à maintenir. Une dégradation prévue d'avance coûte peu : file d'attente, réponse de repli, bascule manuelle, arrêtées avant l'incident et non pendant. C'est le genre de matinée qui pèse dans la négociation d'un engagement de service.
Source : BleepingComputer
Sécuriser sa dépendance à un fournisseur d'IA →La Haute Cour de Delhi refuse à l'agence ANI l'injonction qu'elle demandait contre OpenAI
Le juge Amit Bansal a rejeté le vendredi 24 juillet la demande d'injonction provisoire par laquelle l'agence indienne ANI voulait empêcher OpenAI de stocker et d'utiliser ses articles pour entraîner ChatGPT. Il retient que l'agence n'établit pas de commencement de preuve et qu'une interdiction causerait un préjudice irréparable à OpenAI comme au public. À ce stade et sans préjudice du fond, la décision estime que le stockage des articles aux fins d'entraînement relève à première vue de l'article 52(1)(a) de la loi indienne sur le droit d'auteur, siège du « fair dealing », au titre de l'usage privé ou personnel incluant la recherche. Sur les réponses produites par génération augmentée par récupération, la cour juge qu'elles ne reproduisent pas de façon substantielle les articles d'ANI et relève qu'aucune mémorisation ni restitution n'est démontrée. Le jugement compte 135 pages et le procès au fond se poursuit.
Pourquoi c'est important
L'Inde n'est pas les États-Unis, et c'est ce qui rend la décision intéressante à lire depuis le continent. Le droit indien, hérité du modèle britannique, ignore le fair use américain et applique un « fair dealing » dont la liste d'usages est fermée ; y faire entrer l'entraînement d'un modèle est un choix d'interprétation que les juridictions de common law d'Afrique, du Nigeria au Kenya, pourront verser à leurs propres dossiers. Pour un éditeur de presse, la décision sépare deux terrains. Sur l'entraînement, la cour a tranché en droit, fût-ce à titre provisoire ; sur les réponses de l'assistant, elle s'est arrêtée à une carence de preuve, celle de la mémorisation et de la restitution. C'est là que les prochains plaignants auront à travailler, titre par titre.
Source : LiveLaw
La GSMA et cinq États africains lancent ATLAS Umoja pour porter les langues du continent dans l'IA
Dévoilée le 23 juillet à Abuja, à l'ouverture de la Conférence des plénipotentiaires de l'Union africaine des télécommunications, l'initiative ATLAS Umoja étend au continent le programme nigérian N-ATLAS. La GSMA la porte avec les ministères chargés du numérique du Bénin, du Kenya, de la Namibie, du Nigeria et du Togo, et avec les sociétés Awarri, Zindi, Pawa AI et Mozisha. Le ministre nigérian des Communications, de l'Innovation et de l'Économie numérique, Bosun Tijani, avance que moins de 2 % des langues africaines sont réellement prises en charge par les systèmes d'IA actuels, alors que le continent abrite près du tiers des langues du monde. La même conférence a adopté la déclaration d'Abuja, qui engage les gouvernements sur la connectivité utile, la régulation neutre technologiquement et l'inclusion numérique.
Pourquoi c'est important
Un modèle qui ne comprend pas la langue du client ferme la porte à tout un marché. Silas Adekunle, cofondateur et directeur général d'Awarri, l'entreprise qui a bâti le programme nigérian d'origine, fait valoir que les développeurs doivent d'ordinaire recourir à des technologies conçues hors d'Afrique, sur un continent qui compte selon lui plus de deux mille langues. Le dispositif n'a pour l'instant produit ni corpus ni outil : la GSMA décrit une intention, celle de faire circuler entre États, chercheurs et industriels des jeux de données et des pratiques. Le Maroc ne figure pas parmi les cinq gouvernements qui appuient le lancement.
Source : GSMA
Microsoft déploie ses propres modèles MAI dans GitHub Copilot et Excel
Le billet publié le 23 juillet par Microsoft AI détaille deux mises en production. Dans GitHub Copilot, le modèle maison MAI-Code-1-Flash sert des millions de développeurs depuis juin et affiche, selon l'éditeur, un taux d'acceptation du code supérieur d'environ 10 % à celui de GPT-5.4 Mini et de Claude Haiku 4.5 dans VS Code, pour une consommation médiane de jetons inférieure de 10 %. Dans Excel, un modèle MAI traite du trafic de production et atteindrait, toujours selon Microsoft, la parité avec GPT-5.6 sur les tâches les plus courantes, à un coût moindre. L'entreprise ne précise pas la part du trafic concernée ; elle indique en revanche étendre la méthode à Copilot Chat, à Outlook et à PowerPoint, sans calendrier daté.
Pourquoi c'est important
La comparaison porte sur les petits modèles : dans Copilot, MAI-Code-1-Flash se mesure à GPT-5.4 Mini et à Claude Haiku 4.5, là où le volume de requêtes fait la facture. Rien n'indique que les modèles d'OpenAI et d'Anthropic quittent le produit, puisqu'ils restent proposés dans le sélecteur ; le routage automatique, lui, se décide chez l'éditeur. Le mouvement concerne toute entreprise qui achète de l'IA intégrée à un logiciel plutôt qu'un accès direct à un modèle : l'économie réalisée sur le moteur ne se répercute pas d'elle-même sur le prix de la licence. Une direction des systèmes d'information qui renégocie a matière à demander quel modèle sert ses requêtes par défaut. Tous les chiffres avancés ici sortent des mesures internes de Microsoft.
Source : Microsoft AI