❌

Vue normale

Il y a de nouveaux articles disponibles, cliquez pour rafraîchir la page.
Hier — 18 novembre 2026Flux principal

L’IA trouve les failles vraiment trop vite : Anthropic et Google sonnent la fin des 90 jours de grâce avant la divulgation

18 novembre 2026 à 14:01

Anthropic ne laissera plus que 30 jours aux éditeurs pour corriger les failles graves qu'elle leur signale, contre 90 jusqu'ici. Trois jours plus tôt, Google Project Zero avait annoncé une baisse comparable, mais plus progressive.

À partir d’avant-hierFlux principal

« Je suis rassurée que mon travail soit en sécurité » : comment un NAS Synology a changé la manière de travailler de Maïté, illustratrice [Sponso]

Par : humanoid xp
16 novembre 2026 à 08:30

Cet article a été réalisé en collaboration avec Synology

Comment s’y retrouver quand on a accumulé des années de fichiers et des centaines de projets ? Pour Maïté, illustratrice à Lyon, la question est loin d’être anecdotique : ces archives, elle en a besoin pour travailler. Nous lui avons confié un NAS Synology pour découvrir ce qu’il pouvait lui apporter au quotidien.

Cet article a été réalisé en collaboration avec Synology

Il s’agit d’un contenu créé par des rédacteurs indépendants au sein de l’entité Humanoid xp. L’équipe éditoriale de Numerama n’a pas participé à sa création. Nous nous engageons auprès de nos lecteurs pour que ces contenus soient intéressants, qualitatifs et correspondent à leurs intérêts.

En savoir plus

Panne géante : Microsoft balaie la théorie d’un agent IA qui aurait dérapé

14 novembre 2026 à 12:15

Microsoft

Dans un message publié sur X, Microsoft présente ses excuses pour la panne mondiale de Microsoft 365. Selon l'entreprise, il s'agit d'un « problème technique » sans lien avec une cyberattaque ni avec l'IA ou ses agents.

Panne géante : Microsoft balaie la théorie d’un agent IA qui aurait dérapé

14 novembre 2026 à 12:15

Microsoft

Dans un message publié sur X, Microsoft présente ses excuses pour la panne mondiale de Microsoft 365. Selon l'entreprise, il s'agit d'un « problème technique » sans lien avec une cyberattaque ni avec l'IA ou ses agents.

Panne de Microsoft 365 : relancer Outlook toutes les 5 minutes ne sert à rien, où suivre l’état du service en temps réel

13 novembre 2026 à 09:55

Microsoft 365 reste perturbé ce vendredi 13 novembre, au lendemain d'une panne mondiale qui a démarré jeudi soir. Microsoft publie l'état du rétablissement en temps réel sur une page publique, status.cloud.microsoft, et sur son compte X @MSFT365Status.

Test du câble UGREEN Nexode 240W - avec un écran qui révèle la puissance en temps réel

9 novembre 2026 à 16:43
- Contient des liens affiliés Amazon -

Alors ça n'est pas le premier test de câble avec écran que je vous propose, j'ai déjà testé des modèles "no name" plus ou moins efficaces.

Depuis trois semaines, un nouveau câble USB-C me dit exactement combien de watts avalent mon MacBook, ma liseuse ou la manette de la console, et cette fois c'est un peu plu ssérieux, puisque ça vient de la marque réputée UGREEN qu'on vous teste régulièrement par ici. Le UGREEN loge donc un minuscule écran LCD directement dans le connecteur, et cet écran affiche la puissance qui circule pour de vrai, pas celle que promet le chargeur.

Trois semaines après son acquisition, je regarde encore les chiffres défiler, et c'est bien pratique.

Ce qui est intéressant, c'est qu'on découvre très vite que la moitié des chargeurs, souvent des "no name" là aussi, de la maison, racontent n'importe quoi. Le bloc qui traîne sur la table de nuit depuis des années sort péniblement ses 10 W quand le téléphone en accepterait le double, et le port USB du moniteur du bureau, lui, n'alimente presque rien. J'ai mis deux chargeurs à la poubelle dès la première semaine, en toute connaissance de cause cette fois.

UGREEN annonce 240 W au maximum, soit le plafond de la norme USB Power Delivery 3.1 avec ses 48 volts sous 5 ampères, une puissance qu'aucun de mes appareils n'approche puisqu'un MacBook Pro 16 pouces réclame 140 W dans le pire des cas. La puce E-Mark cachée dans le connecteur négocie de toute façon la tension avec l'appareil avant de laisser passer quoi que ce soit, donc aucun risque de griller votre téléphone avec cette réserve de puissance.

La gaine en nylon tressé et les connecteurs en aluminium ont passé trois semaines dans mon sac sans marquer, et le câble s'emmêle assez peu, ce qui relève du petit miracle dans mon bordel.

Ce câble ne transporte que du courant, il ne vous servira donc pas pour la data, il faut le savoir. Mais si vous le brancher à votre bloc chargeur, il fera parfaitement son job, et c'est ce qu'on lui demande.

Avant de commander, regardez aussi bien la longueur, parce qu'il existe en plusieurs tailles. UGREEN vend du 1 mètre autour de 13 euros , du 2 mètres vers 15 euros, la version testée ici, et du 3 mètres qui rend service à ceux qui rechargent depuis le canapé, plus des lots de deux câbles pour équiper bureau et maison d'un coup, pour 20 euros à peu près .

Voilà, c'est clairement très pratique, je vous recommander d'en garder un branché quelque part dans votre boîte à câbles !

C'est dispo par ici sur Amazon, en promo et dans plein de tailles !

Windows : Microsoft veut accélérer les correctifs face aux risques liés à l’IA

6 novembre 2026 à 15:48

Windows 11 - WallpaperMicrosoft mise sur l’IA pour corriger Windows plus vite, mais veut aussi accélérer l’installation des mises à jour.

Cet article Windows : Microsoft veut accélérer les correctifs face aux risques liés à l’IA a été publié en premier par GinjFo.

Fausses alertes antivirus : Edge bloque les notifications du site responsable

3 novembre 2026 à 17:47

Microsoft EdgeEdge peut retirer automatiquement l’autorisation d’envoyer des notifications aux sites responsables de fausses alertes antivirus.

Cet article Fausses alertes antivirus : Edge bloque les notifications du site responsable a été publié en premier par GinjFo.

Raspberry Pi 5 : pourquoi son prix a explosé en seulement quelques mois ?

Autrefois symbole de l'informatique accessible, le Raspberry Pi voit ses tarifs atteindre des niveaux difficiles à imaginer il y a quelques années. Avec un Pi 5 à 385 dollars et un Raspberry Pi 500+ à 485 dollars, les mini-PC classiques pourraient devenir des concurrents de plus en plus séduisants.

L’article Raspberry Pi 5 : pourquoi son prix a explosé en seulement quelques mois ? est apparu en premier sur Tom’s Hardware.

full

thumbnail

Vieux NAS Synology : un correctif de sécurité débarque, même après la fin du support

30 octobre 2026 à 10:45

SynologySynology publie un correctif PHP2Shell pour les NAS sous DSM 6.2, malgré la fin du support. Voici la version à vérifier et les limites à connaître.

Cet article Vieux NAS Synology : un correctif de sécurité débarque, même après la fin du support a été publié en premier par GinjFo.

Après la RAM et les SSD, l’IA provoque une nouvelle pénurie encore plus inquiétante

Après la RAM, les SSD et les cartes graphiques, l'intelligence artificielle provoque une nouvelle crise qui pourrait toucher l'ensemble de nos appareils électroniques. Les circuits imprimés, indispensables à leur fabrication, deviennent de plus en plus difficiles à obtenir, avec des délais de livraison atteignant désormais 30 mois.

L’article Après la RAM et les SSD, l’IA provoque une nouvelle pénurie encore plus inquiétante est apparu en premier sur Tom’s Hardware.

full

thumbnail

« Un bug éternel » : cette faille critique se cache dans le démarrage de la plupart des serveurs du monde, et la corriger relève du casse-tête

28 octobre 2026 à 16:50

Une vulnérabilité critique dans EDK2, le code sur lequel repose le démarrage de l’immense majorité des serveurs, permet d’exécuter du code avant même le système d’exploitation. Son exploitation reste exigeante, mais sa correction s’annonce (très) longue.

Comment fonctionne l’IA ? Données, apprentissage et agents

Par : malekalmorte
25 octobre 2026 à 15:08

Une intelligence artificielle peut rédiger un texte, analyser une image ou utiliser des logiciels pour accomplir une tâche. Derrière ces services se trouvent des données, des modèles mathématiques, du travail humain et une infrastructure informatique. Comprendre ces éléments aide à expliquer à la fois leurs capacités et leurs erreurs.

Le fonctionnement de l’IA ne se résume pas à une machine qui consulte Internet pour chaque réponse. Il faut distinguer la collecte des données, l’apprentissage du modèle et son utilisation. Un agent IA ajoute encore une couche : il associe le modèle à des outils pour effectuer des actions.

Ce guide suit ce parcours, principalement à travers l’IA générative et les modèles de langage. Vous découvrirez comment les données sont préparées, pourquoi les entreprises cherchent davantage de calcul, quel rôle jouent les travailleurs des données, les GPU et les datacenters, et comment séparer les capacités observées des promesses commerciales.

Qu’est-ce qu’une intelligence artificielle ?

L’intelligence artificielle regroupe des méthodes permettant à un système informatique de réaliser des tâches comme reconnaître des objets, classer des messages, prévoir une valeur ou produire du contenu. Toutes les IA ne sont pas des assistants conversationnels : un filtre antispam et un générateur d’images répondent à des objectifs différents.

Dans l’apprentissage automatique, le système ajuste un modèle à partir d’exemples, plutôt que de recevoir une règle écrite pour chaque situation. L’apprentissage profond utilise des réseaux de neurones comportant de nombreuses couches de calcul. Ces « neurones » sont des éléments mathématiques ; leur nom ne signifie pas qu’ils reproduisent un cerveau humain.

L’IA générative produit de nouveaux contenus : textes, images, sons ou vidéos. Un grand modèle de langage, ou LLM, traite notamment du texte. Le modèle fournit les capacités de calcul apprises ; l’application ajoute l’interface, les instructions, les outils et parfois des filtres. Deux applications utilisant un même modèle peuvent donc offrir des comportements différents.

D’où viennent les données utilisées pour entraîner les IA ?

Collecter des textes, des images et des données spécialisées

Selon le projet, les données peuvent provenir de pages Web, de livres, de dépôts de code, de documents scientifiques, d’images ou d’enregistrements. Elles peuvent être collectées automatiquement, achetées, obtenues sous licence ou créées spécialement. Les corpus publics et les données générées par d’autres modèles font également partie des sources possibles.

Le captage des données désigne cette acquisition. Pour le Web, des robots récupèrent des pages, puis des traitements extraient le contenu utile. Ce n’est pas encore de l’apprentissage : à ce stade, l’entreprise rassemble une matière première. Les jeux de données ne sont pas identiques d’un modèle à l’autre et leur composition n’est pas toujours publiée intégralement.

Nettoyer, sélectionner et organiser les corpus

Les données brutes contiennent du bruit : publicités, menus, textes répétés, pages illisibles ou contenus de faible qualité. La préparation consiste notamment à filtrer, identifier les langues et retirer des doublons. Les développeurs choisissent aussi les proportions de chaque domaine. Le projet FineWeb illustre ce travail de filtrage et de déduplication à grande échelle.

Une collection énorme n’est donc pas nécessairement une collection utile. Des répétitions peuvent surreprésenter certains contenus ; un corpus déséquilibré peut moins bien couvrir certaines langues ou situations. La collecte soulève aussi des questions de provenance, de confidentialité et de droits : pouvoir lire un document sur Internet ne permet pas de présumer que tous ses usages sont autorisés.

Des livres achetés, numérisés puis détruits : le cas Anthropic

Cette course dépasse le Web. Dans une décision du 23 juin 2025, dans l’affaire Bartz contre Anthropic, le tribunal décrit l’achat de millions de livres imprimés, souvent d’occasion, pour une bibliothèque numérique interne. Des prestataires retiraient les reliures et découpaient les pages afin de les scanner, puis jetaient les exemplaires papier. Les fichiers obtenus contenaient les pages et du texte exploitable par machine.

Cette numérisation destructive est documentée. En revanche, la décision ne démontre pas que la destruction visait à empêcher les concurrents d’accéder aux ouvrages. « Livres d’occasion » ne signifie pas non plus « livres rares ». Cet exemple montre les moyens industriels consacrés aux données, sans permettre de généraliser la pratique à tous les éditeurs d’IA.

Schéma explicatif : d’où viennent les données utilisées pour entraîner les IA ?

Comment une IA apprend-elle à partir des données ?

Transformer le contenu en nombres : tokens et représentations

Un ordinateur ne calcule pas directement avec le sens des mots. Pour un modèle de langage, le texte est découpé en tokens : mots, fragments de mots ou signes, selon le système de tokenisation. Un token n’équivaut donc pas toujours à un mot. Chaque élément reçoit un identifiant, puis une représentation numérique utilisée dans les calculs. La documentation de Hugging Face explique cette tokenisation.

Les images et les sons doivent eux aussi être transformés en représentations numériques, selon des méthodes adaptées. Un modèle multimodal peut traiter plusieurs types de contenus. Cela ne veut pas dire qu’il utilise exactement le même mécanisme pour produire du texte, une image et une voix.

Prédire, mesurer l’erreur et ajuster les paramètres

Pendant le préentraînement d’un modèle de langage génératif, une tâche courante consiste à prévoir le prochain token à partir des précédents. Dans un exemple simplifié, « Le chat dort sur le… » peut être suivi de « canapé ». Le modèle attribue des probabilités aux suites possibles et compare sa prédiction à la suite réellement présente dans l’exemple.

Un calcul mesure l’erreur. Un algorithme d’optimisation ajuste ensuite les paramètres, ou poids, du réseau pour améliorer ses prédictions sur les données. Ce cycle est répété sur de très nombreux exemples. On parle d’apprentissage auto-supervisé lorsque le texte fournit lui-même la cible à prédire : un humain n’a pas à annoter chaque phrase. Hugging Face décrit ce principe de préentraînement.

Beaucoup de LLM utilisent une architecture Transformer. Son mécanisme d’attention pondère les relations entre éléments du contexte, ce qui aide à traiter les dépendances dans une phrase ou un document. Il s’agit de calculs, pas d’une attention consciente. L’architecture a été présentée dans Attention Is All You Need.

Schéma qui explique comment une IA apprend : exemple, prédiction, mesure de l'erreur, ajustement

Ce que le modèle retient, et ce qu’il peut mémoriser

Les paramètres ajustés encodent des régularités qui permettent de généraliser : structures de phrases, associations et façons de résoudre certaines tâches. Le modèle ne fonctionne pas comme une base de données dans laquelle chaque question retrouverait systématiquement un document exact. Il peut cependant mémoriser des séquences et parfois les reproduire, comme le montre la recherche sur l’extraction de données d’entraînement.

Après ce premier apprentissage, un ajustement, ou fine-tuning, peut adapter le modèle à un domaine ou à une tâche. Des exemples de consignes et de réponses servent notamment à améliorer son utilisation comme assistant. Cette étape modifie le modèle ; elle est différente de l’ajout temporaire d’un document à une conversation. Hugging Face présente ce fonctionnement du fine-tuning.

Comprendre la conversation, la mémoire et l'entraînement de l'intelligence artificielle

Les « ouvriers du clic » : le travail humain derrière l’IA

L’IA s’appuie sur des métiers souvent moins visibles que ceux des ingénieurs. Les travailleurs des données peuvent classer des images, transcrire des enregistrements, corriger des exemples ou évaluer des réponses. L’expression « ouvriers du clic » souligne ce travail parfois fragmenté, mais elle ne doit pas masquer les compétences nécessaires à certaines tâches spécialisées.

Pour améliorer un assistant, des évaluateurs peuvent comparer deux réponses à une même question et indiquer laquelle est la plus utile. Ces préférences peuvent alimenter un apprentissage supplémentaire, par exemple à travers un modèle de récompense ou d’autres méthodes d’optimisation. Les travaux sur les retours humains décrivent cette famille de techniques. Une préférence humaine ne constitue toutefois pas une preuve automatique de vérité.

Ce travail peut être effectué par des salariés, des prestataires ou des personnes rémunérées à la tâche. Des recherches présentées par l’OIT examinent notamment le nettoyage, l’annotation et les conditions de travail en Inde et au Kenya. Les questions portent sur la rémunération, la stabilité de l’activité, la protection sociale et, pour certaines missions de modération, l’exposition à des contenus difficiles.

Les évaluateurs ne contrôlent pas chaque donnée d’entraînement ni chaque réponse produite ensuite. Leur intervention sert à préparer des exemples, mesurer la qualité et améliorer les systèmes. Elle ne transforme pas un assistant en service dont toutes les affirmations auraient été vérifiées par une personne.

Les lois d’échelle : plus de données et de puissance, une meilleure IA ?

Données, taille du modèle et budget de calcul

Les scaling laws, ou lois d’échelle, décrivent des relations empiriques entre les performances mesurées, la taille du modèle, les données et le calcul consacré à l’entraînement. Les travaux publiés en 2020 montrent notamment une évolution prévisible de l’erreur de prédiction dans les conditions étudiées. Ce sont des observations quantitatives, pas une loi garantissant une intelligence illimitée.

Cette perspective encourage la recherche de corpus et d’infrastructures plus importants. Mais les ressources doivent être équilibrées. L’étude Chinchilla, publiée en 2022, a montré qu’à budget de calcul comparable, un modèle plus petit entraîné sur davantage de tokens pouvait dépasser des modèles plus grands insuffisamment entraînés. Augmenter seulement le nombre de paramètres n’est donc pas toujours le meilleur investissement.

Les limites de la course au volume

La formule « plus de données = meilleure IA » reste incomplète. La qualité, l’architecture, la préparation du corpus et l’objectif d’évaluation comptent aussi. Une diminution de l’erreur de prédiction ne garantit pas une baisse équivalente des erreurs factuelles dans tous les usages. Les progrès supplémentaires peuvent exiger des augmentations importantes de ressources.

Les données synthétiques peuvent être utiles si elles sont sélectionnées et vérifiées. Elles peuvent aussi renforcer des erreurs ou réduire la diversité lorsqu’elles remplacent récursivement les données d’origine. Des recherches sur l’effondrement des modèles montrent que les résultats dépendent du mélange et de la conservation des données réelles : toute utilisation de données synthétiques ne provoque pas automatiquement un effondrement.

Il faut enfin distinguer le calcul d’entraînement du calcul effectué pendant l’utilisation. Explorer plusieurs réponses, vérifier des étapes ou consulter des outils peut améliorer un résultat, mais ajoute du temps et du coût. Cela ne remplace pas systématiquement un modèle mieux entraîné et ne garantit pas la justesse de la réponse.

Que se passe-t-il lorsque vous posez une question à une IA ?

L’inférence : utiliser le modèle déjà entraîné

Lorsque vous envoyez une demande, le système prépare les instructions et le contexte, puis utilise le modèle : c’est l’inférence. Pour un LLM génératif courant, la réponse est construite progressivement. Les probabilités calculées et la méthode de sélection des tokens déterminent la suite produite. La documentation sur la génération de texte décrit ces mécanismes.

Le contexte peut inclure votre message, une partie de l’historique et des documents. Sa capacité est limitée. Une conversation très longue peut être résumée ou tronquée par l’application ; tout ce qui a été dit n’est donc pas nécessairement disponible à chaque réponse. Le texte produit dépend aussi des consignes de l’application et des outils accessibles.

Conversation, mémoire et apprentissage ne sont pas la même chose

Si vous corrigez un nom dans une conversation, le modèle peut utiliser cette correction pour la suite sans que ses paramètres soient modifiés. Une application peut également enregistrer une préférence et la réintroduire plus tard. Cette mémoire logicielle est distincte de l’entraînement et ne correspond pas à la mémoire physique du GPU.

Un échange avec une IA ne réentraîne pas automatiquement son modèle. La conservation des messages, leur éventuelle utilisation pour une amélioration ultérieure et les mécanismes de mémoire dépendent du service, de ses réglages et du contrat. Il faut examiner ces règles avant d’envoyer des informations confidentielles.

Consulter le Web ou des documents sans réentraîner le modèle

Une application peut rechercher des passages dans un ensemble de documents puis les transmettre au modèle avec votre question. Cette approche est souvent appelée RAG, pour génération augmentée par récupération. Elle sépare le modèle entraîné d’une source documentaire consultable. Les travaux sur le RAG présentent cette association entre génération et recherche d’informations.

Ainsi, un assistant peut répondre sur un document récent sans avoir appris son contenu pendant le préentraînement. Il reste possible qu’il sélectionne un mauvais passage, interprète mal une source ou invente une conclusion. La présence d’un lien n’est pas suffisante : la source doit réellement soutenir l’affirmation.

Schéma explicatif de la collecte des données à la réponse de l'IA

Comment fonctionnent les agents IA ?

Un modèle relié à des outils et à une boucle d’action

Un agent IA associe généralement un modèle à des outils et à un programme qui organise les actions. Il peut rechercher une information, lire un fichier, appeler un service ou exécuter un traitement. Le modèle propose l’action ; le logiciel vérifie les permissions, l’exécute et lui retourne le résultat. Le système peut alors décider de poursuivre.

Prenons un exemple : préparer un tableau comparatif à partir de documents. L’agent recherche les fichiers, extrait les éléments utiles, construit le tableau et contrôle certaines valeurs. Lire ces documents lui fournit du contexte ; cela ne signifie pas qu’il modifie les paramètres de son modèle ou qu’il apprend durablement chaque document.

Une procédure fixe suit des étapes déterminées à l’avance. Un agent peut choisir davantage ses prochaines actions selon les résultats. Anthropic distingue ces workflows des agents. L’autonomie n’est cependant pas absolue : elle dépend des outils fournis, des permissions, de la durée autorisée et des contrôles prévus par l’application.

Pourquoi la supervision reste nécessaire

Une mauvaise interprétation peut produire une action incorrecte. Un document consulté peut aussi contenir des instructions malveillantes cherchant à détourner l’agent : on parle d’injection de prompt. Les contrôles doivent distinguer les informations lues des instructions autorisées, limiter les accès et prévoir une validation pour les actions importantes. Les travaux sur la sécurité des agents montrent que plusieurs protections sont nécessaires.

Comment fonctionne un agent IA : schéma explicatif

Pourquoi les GPU, la mémoire et les datacenters sont-ils importants ?

Les GPU : réaliser de nombreux calculs en parallèle

Les réseaux de neurones effectuent de grandes quantités de calculs sur des tableaux de nombres. Les GPU, initialement développés pour le graphisme, sont adaptés à de nombreuses opérations parallèles. Les accélérateurs destinés à l’IA ajoutent notamment des unités spécialisées dans certains calculs matriciels. Cela explique leur rôle dans l’entraînement et l’inférence.

Le processeur généraliste, ou CPU, reste nécessaire pour organiser les tâches, préparer les données et faire fonctionner le serveur. Une infrastructure performante dépend de leur coopération, ainsi que du stockage et des communications. L’architecture Grace Hopper de NVIDIA illustre cette association entre processeur, GPU et interconnexion.

La mémoire : capacité et vitesse comptent autant que le calcul

Il faut distinguer plusieurs ressources : le stockage conserve les corpus et les modèles ; la RAM accueille les données utilisées par le serveur ; la mémoire du GPU contient notamment les paramètres et les éléments nécessaires aux calculs. L’entraînement nécessite aussi de conserver des états supplémentaires pour ajuster le modèle.

Une puce rapide peut être limitée si les données arrivent trop lentement. La bande passante mémoire mesure la quantité transférable par unité de temps, tandis que la capacité détermine ce qui peut tenir en mémoire. La HBM, présente sur de nombreux accélérateurs de datacenter, vise de hauts débits. La documentation NVIDIA sur Hopper présente cette organisation.

Pendant l’inférence, les longs contextes et le nombre de demandes simultanées consomment également de la mémoire. Les systèmes utilisent notamment des caches pour éviter de refaire certains calculs. Une partie des optimisations consiste donc à mieux utiliser la mémoire disponible, et pas seulement à multiplier les opérations par seconde.

NVIDIA, CUDA et les autres accélérateurs

Le rôle de NVIDIA ne se limite pas aux puces. CUDA et les bibliothèques associées permettent aux développeurs d’exploiter les GPU pour leurs logiciels. L’environnement logiciel, les outils et les interconnexions comptent dans le choix d’une plateforme. Les accélérateurs de serveur ne se confondent pas avec une carte graphique de PC, même si certains principes sont communs.

D’autres solutions existent : AMD propose les GPU Instinct avec son environnement ROCm, et Google développe les TPU, des accélérateurs spécialisés. Le choix dépend notamment du logiciel, du calcul, de la mémoire, du coût et de la disponibilité. Aucun chiffre de performance isolé ne suffit à comparer toutes les charges de travail.

Relier, alimenter et refroidir les machines

Pour de grands entraînements, les calculs sont répartis sur de nombreux accélérateurs qui échangent régulièrement des données. Des réseaux rapides sont indispensables pour éviter que les machines attendent les résultats des autres. Le datacenter réunit ces serveurs avec leur alimentation, leur refroidissement et les équipements nécessaires à leur fonctionnement continu.

La consommation ne vient pas uniquement de l’entraînement initial : chaque utilisation du service demande aussi du calcul. L’Agence internationale de l’énergie analyse les besoins croissants des datacenters. Pour comparer les impacts, il faut distinguer leur consommation totale de la part attribuable à l’IA et tenir compte du matériel, de l’électricité et du refroidissement. Un chiffre universel par question masque ces différences.

Toutes les IA ne nécessitent pas un immense datacenter. Des modèles plus petits peuvent fonctionner sur un PC ou un téléphone, avec des compromis de vitesse, de mémoire et de capacités. Le cloud facilite la mise à disposition de gros modèles pour de nombreux utilisateurs ; le fonctionnement local répond à d’autres contraintes, notamment de disponibilité et de maîtrise des données.

Schéma explicatif : ce qui fait fonctionner l'IA dans un dactacenter (CPU, RAM, GPU, mémoire, stockage)

Capacités réelles et « mirages » de l’IA : comment faire la différence ?

Des usages utiles, avec des résultats à vérifier

Ces systèmes peuvent produire un brouillon, reformuler un document, proposer du code ou aider à comparer des informations. Leur intérêt dépend de la tâche et de la possibilité de vérifier le résultat. Pour une reformulation, la relecture peut être rapide ; pour une affirmation technique complexe, le contrôle peut demander davantage de travail que la génération.

Une réponse convaincante peut être fausse. Le modèle peut inventer une référence, mélanger des faits ou suivre une association inadéquate : on parle souvent d’hallucination. Sa fluidité ne prouve pas la vérité du contenu. Le NIST recense ces risques de l’IA générative, ainsi que les biais et les problèmes de fiabilité.

Une démonstration ne prouve pas une autonomie générale

Une démonstration présente un résultat dans certaines conditions. Un benchmark mesure la réussite sur un ensemble défini de tâches. Un usage réel ajoute des documents incomplets, des demandes ambiguës et des conséquences en cas d’erreur. Comparer ces situations exige de connaître les conditions du test, les outils et les interventions humaines.

Pour examiner une annonce, quelques questions concrètes sont utiles :

  • La tâche a-t-elle été réussie une seule fois ou de manière répétée ?
  • Les essais ratés et les interventions humaines sont-ils comptabilisés ?
  • Le test utilise-t-il des situations nouvelles et représentatives de l’usage annoncé ?
  • Le coût, le délai et le travail de vérification sont-ils inclus ?
  • Les résultats peuvent-ils être reproduits ou examinés indépendamment ?

Ces critères constituent une grille de lecture, pas une preuve qu’une démonstration donnée serait trompeuse. Ils permettent de distinguer une capacité mesurée d’une généralisation commerciale. La recherche et l’évaluation peuvent évoluer plus vite que les garanties offertes dans un produit.

Promesses de remplacement des métiers et d’intelligence générale

Automatiser une tâche ne revient pas nécessairement à remplacer un métier entier. Le métier comprend aussi des responsabilités, des interactions et des cas inhabituels. L’OIT distingue automatisation et complémentarité avec le travail humain : les effets dépendent de l’intégration dans les organisations, pas seulement des possibilités du modèle.

Les annonces d’intelligence générale ou d’autonomie complète restent des projections lorsqu’elles ne sont pas étayées par des critères précis et des résultats reproductibles. Comprendre le fonctionnement actuel ne permet ni de garantir ces promesses ni de conclure qu’aucun progrès supplémentaire n’est possible. Pour les apprécier, il faut examiner les capacités démontrées, les conditions d’utilisation et les limites connues, sans transformer une prévision en fait.

🔗 Sources :

L’article Comment fonctionne l’IA ? Données, apprentissage et agents est apparu en premier sur malekal.com.

GTA 6 : une fausse version complète cache un programme dangereux pour Windows

25 octobre 2026 à 09:03

GTA 6 - Official Cover ArtUne prétendue version complète de GTA 6 circule sous le nom CyberLauncher. Des analyses révèlent un faux installateur, des commandes PowerShell suspectes et des tentatives de désactivation des protections Windows.

Cet article GTA 6 : une fausse version complète cache un programme dangereux pour Windows a été publié en premier par GinjFo.

BlackX contourne Secure Boot sur des PC Windows pourtant à jour

Par : malekalmorte
24 octobre 2026 à 09:47

Un nouveau bootkit baptisé BlackX a été utilisé pour contourner Secure Boot sur des ordinateurs Windows pourtant à jour. Dans un rapport publié le 22 octobre 2026, Kaspersky décrit une campagne visant des organismes diplomatiques au Tadjikistan, en Ouzbékistan et au Turkménistan. Le problème tient à une protection incomplètement activée : les mises à jour étaient installées, mais les révocations nécessaires au blocage d’anciens composants de démarrage n’avaient pas été appliquées.

Relayée par The Hacker News, cette découverte rappelle qu’un correctif présent sur le disque ne suffit pas toujours à sécuriser toute la chaîne de démarrage. Elle ne décrit toutefois pas une infection automatique de tous les PC Windows : dans les attaques observées, les intrus avaient déjà compromis les réseaux et obtenu des droits administrateur avant de déployer BlackX.

BlackX s’installe dans la chaîne de démarrage de Windows

Un bootkit intervient très tôt dans le démarrage, avant le chargement complet de Windows. Il cherche ainsi à conserver un accès durable au système et à perturber ses mécanismes de protection. Secure Boot, ou démarrage sécurisé, doit justement empêcher l’exécution de composants de démarrage non approuvés.

BlackX présente de fortes ressemblances avec BlackLotus, un bootkit analysé publiquement en 2023. Il exploite lui aussi CVE-2022-21894, surnommée Baton Drop, pour contourner Secure Boot. Selon Kaspersky, les attaquants déposent des fichiers sur les partitions système et EFI, puis utilisent cette chaîne pour faire charger du code malveillant au démarrage.

Le rôle du bootkit est donc surtout de maintenir et de renforcer une compromission déjà engagée. Microsoft soulignait déjà cette distinction dans son analyse de BlackLotus : ce type d’outil nécessite au préalable un accès privilégié ou physique à l’appareil. Il ne faut pas le présenter comme une nouvelle faille permettant, à elle seule, d’infecter n’importe quel ordinateur depuis Internet.

👉A lire :

BlackX : comment le démarrage sécurisé est contourné - Schéma explicatif

Pourquoi des machines à jour restaient-elles vulnérables ?

Les chercheurs ont d’abord envisagé l’absence de correctifs, avant de constater que les ordinateurs ciblés étaient à jour. Leur enquête met en cause l’absence de révocation du certificat Windows Production PCA 2011, utilisé pour signer des composants UEFI vulnérables. Tant que ceux-ci restent acceptés au démarrage, les attaquants peuvent réutiliser d’anciens éléments signés.

La révocation consiste à ajouter le certificat concerné à la liste d’interdiction UEFI, appelée DBX. Microsoft documente des mesures de protection supplémentaires contre les contournements exploités par BlackLotus, notamment dans KB5025885, associée à CVE-2023-24932. Il faut distinguer cette référence de CVE-2022-21894, la vulnérabilité que Kaspersky identifie dans la chaîne BlackX.

Ce déploiement demande des précautions, car bloquer les anciens composants peut aussi rendre certains supports de démarrage inutilisables. Autre distinction essentielle : expiration et révocation d’un certificat ne sont pas équivalentes. Selon Kaspersky, l’expiration de Windows Production PCA 2011 le 19 octobre 2026 ne bloque pas à elle seule le chargement des binaires vulnérables.

Une campagne d’espionnage attribuée à APT41 avec prudence

Kaspersky attribue cette campagne au groupe APT41 avec un niveau de confiance moyen. L’hypothèse repose sur des rapprochements techniques et des habitudes de chargement du code ; elle doit rester présentée comme une évaluation des chercheurs. Les éléments publiés concernent des attaques ciblées, pas une campagne massive démontrée contre le grand public.

Après le démarrage, BlackX peut déployer un pilote malveillant et des outils d’espionnage. Les charges observées permettent notamment le chargement de modules supplémentaires et des échanges via Google Drive, OneDrive ou Yandex.Disk. L’utilisation de ces services comme canaux de communication ne signifie pas que leurs applications légitimes sont elles-mêmes compromises.

Que vérifier pour protéger les postes Windows ?

Les mises à jour Windows restent indispensables, mais les administrateurs doivent aussi vérifier l’état réel des protections de démarrage. Microsoft recommande d’évaluer les mesures de révocation sur des appareils représentatifs avant un déploiement élargi. La préparation des supports de récupération et la conservation des clés BitLocker font partie des précautions documentées.

  • Maintenez Windows à jour et conservez Secure Boot activé.
  • Pour un parc professionnel, contrôlez les révocations effectives selon la documentation Microsoft et les contraintes des appareils.
  • Préparez la récupération avant toute modification : sauvegardes, clé BitLocker et supports de démarrage compatibles.
  • En cas de suspicion de compromission, faites examiner le poste par l’équipe de sécurité ; appliquer une mesure préventive ne remplace pas une investigation.

L’enseignement de BlackX est concret : le suivi des correctifs doit inclure les protections qui exigent une activation et une vérification supplémentaires. Sur un ordinateur personnel, cela ne justifie pas d’appliquer à l’aveugle des modifications du registre ou de l’UEFI : les changements de confiance au démarrage doivent être préparés et testés.

L’article BlackX contourne Secure Boot sur des PC Windows pourtant à jour est apparu en premier sur malekal.com.

Failles critiques dans PHP : comment savoir si son site est touché et quelle version du langage est utilisée ?

22 octobre 2026 à 10:35

Deux failles critiques dans PHP, corrigées ce mercredi 21 octobre 2026, ont poussé administrations et hébergeurs à couper des sites ou à les mettre en maintenance. Si votre site tourne sous WordPress, voici comment savoir quelle version de PHP il utilise, et à qui demander la mise à jour.

Son PC portable surchauffait à 105 °C, une simple feuille de graphène a tout changé

Un processeur qui surchauffe, des performances bridées et une solution aussi simple qu'inattendue. En remplaçant le métal liquide de son PC portable par une feuille de graphène, un utilisateur a réussi à augmenter ses performances de près de 35 %.

L’article Son PC portable surchauffait à 105 °C, une simple feuille de graphène a tout changé est apparu en premier sur Tom’s Hardware.

full

thumbnail

pjjoint : comprendre l’évaluation FRST et vérifier les éléments suspects

Par : malekalmorte
13 octobre 2026 à 06:40

Vous avez envoyé un rapport FRST sur pjjoint et souhaitez comprendre ce que son évaluation permet de vérifier ? L’évaluation des rapports FRST aide à repérer des éléments à examiner dans la configuration de Windows, les programmes et les mécanismes de lancement automatique.

Elle facilite une première lecture, mais ne remplace pas une analyse de désinfection ni une vérification du contexte. Un élément signalé ne doit pas être supprimé automatiquement, et un rapport sans alerte ne garantit pas l’absence de toute infection.

Ce guide explique comment utiliser les résultats pour vérifier les éléments suspects, préparer une demande d’aide et éviter les erreurs d’interprétation.

✋
Pour les explications détaillées propres à l’affichage du service, consultez son tutoriel –
La légende et les explications détaillées de l’évaluation : Tutoriel de l’évaluation FRST sur pjjoint

À quoi sert l’évaluation FRST sur pjjoint ?

FRST crée un état technique de Windows. pjjoint permet de transmettre ces rapports par un lien et propose une évaluation pour en orienter la lecture. La personne qui vous assiste peut ensuite confronter les résultats aux symptômes et décider des contrôles ou corrections utiles.

ÉtapeSon rôle
Analyse FRSTCollecter les informations utiles sur le PC et produire les rapports.
Dépôt sur pjjointRendre les rapports consultables et partageables.
Évaluation du rapportAttirer l’attention sur les éléments qui méritent un examen.
Vérification du contexteDéterminer si l’élément est attendu, indésirable ou réellement suspect.
Correction adaptéeIntervenir seulement après avoir établi ce qui doit être corrigé.

L’intérêt de l’évaluation est de faciliter le repérage dans un rapport parfois long. Elle ne scanne pas directement le contenu de tous les fichiers du PC comme un antivirus et n’applique pas de correction à Windows.

Comprendre à quoi sert et quelle est l'utilité de FRST avec l'analyse Pjjoint avec un schéma explicatif.

Consulter l’évaluation à partir de rapports récents

Partez d’une analyse FRST terminée et récente. Envoyez les rapports texte complets sur pjjoint, ouvrez leurs pages de consultation et consultez l’évaluation lorsqu’elle est proposée pour le fichier. Vérifiez que le rapport correspond bien au PC et à la date recherchés.

👉 La procédure pour créer les rapports et obtenir leurs liens :

Conservez FRST.txt et Addition.txt, ainsi que Shortcut.txt si votre assistance le demande. La lecture d’un seul rapport peut manquer d’informations. Une capture d’écran ou quelques lignes copiées ne remplacent pas les fichiers complets.

Si vous avez désinstallé un programme ou appliqué un correctif depuis le scan, son ancien état peut toujours apparaître dans le rapport. L’évaluation porte sur les données envoyées : ouvrir à nouveau le lien ne réalise pas une nouvelle analyse du PC.

Un élément signalé signifie-t-il que le PC est infecté ?

Non, pas à lui seul. Il faut lire la raison du signalement et vérifier ce que représente l’entrée. Un programme peu courant, un fichier non signé, une ancienne entrée ou un réglage inhabituel peut avoir une explication légitime.

ObservationCe qu’il faut examiner
Programme que vous ne reconnaissez pasSon nom, son éditeur, son installation et son utilité pour votre usage.
Fichier sans signature numériqueSa provenance, son chemin et les autres indices disponibles.
Entrée de démarrage ou tâche inhabituelleLa commande complète, le programme lancé et la raison de son lancement.
Entrée liée à un logiciel désinstalléS’il s’agit d’un reste de configuration ou d’un élément toujours actif.
Plusieurs indices convergentsLe lien avec le symptôme, la répétition et les contrôles permettant de confirmer la piste.

À l’inverse, un nom familier ou un emplacement qui paraît normal ne suffit pas à valider un fichier. Le raisonnement doit porter sur l’ensemble des informations, pas sur un seul mot ou une seule couleur.

👉 Pour connaître la signification exacte des indications affichées par pjjoint :

Vérifier un élément suspect avant de décider quoi faire

Lire l’entrée complète et la comparer à votre usage

  • Relevez le nom de l’élément et la rubrique du rapport où il apparaît.
  • Examinez le chemin du fichier et, lorsqu’elle est présente, la commande exécutée.
  • Vérifiez l’éditeur et les informations de signature disponibles.
  • Demandez-vous si vous avez installé ce programme et si son lancement est attendu.
  • Rapprochez l’entrée du symptôme observé plutôt que de chercher à nettoyer toute la liste.

Par exemple, une tâche d’actualisation peut être normale pour un logiciel installé. Une commande de script peut aussi appartenir à un outil d’administration. C’est son origine, son contenu et son contexte qui permettent d’en apprécier le rôle.

Afficher l'évaluation d'une ligne FRST dans pjjoint

Approfondir la vérification d’un fichier

Si un fichier précis mérite un contrôle, une vérification de sa signature et une analyse complémentaire peuvent aider. Ne lancez pas un exécutable suspect simplement pour voir ce qu’il fait.

👉 Pour examiner l’identité de l’éditeur :

👉 Pour compléter le contrôle d’un fichier identifié :

Une signature valide ne garantit pas à elle seule l’innocuité, et son absence ne prouve pas une infection. De même, les résultats d’une analyse complémentaire demandent une interprétation. Évitez d’envoyer à un service public un document confidentiel pour effectuer cette vérification.

En vidéo

Toutes les étapes en vidéos.

Que faire après avoir lu l’évaluation ?

SituationSuite utile
L’élément est identifié et correspond à votre usageConservez-le, sauf problème précis justifiant une autre action.
Vous ne savez pas interpréter une entréePartagez les rapports complets et demandez une vérification avant de la supprimer.
L’évaluation semble rassurante mais les symptômes persistentDécrivez les symptômes et demandez les contrôles complémentaires adaptés.
Une infection est suspectée ou confirméeFaites-vous accompagner pour choisir la procédure de désinfection.
Une correction a déjà été appliquéeTransmettez son compte rendu et créez de nouveaux rapports si votre interlocuteur le demande.

L’objectif n’est pas de faire disparaître toutes les indications, mais de comprendre les éléments pertinents et de traiter le problème réel. Un logiciel utile ne devient pas indésirable simplement parce qu’il attire l’attention dans un rapport.

Par exemple, ci-dessous, une ligne malveillante liée à un virus PowerShell est indiquée.
Windows Update semble aussi désactivé à travers une restriction administrateur.
Enfin on trouve plusieurs entrées facultatives qui peuvent être désactivées pour optimiser le système.

Lignes malveillantes, facultatives et à vérifier dans pjjoint

👉Pour aller plus loin, voir aussi ce guide :

Demander une vérification sur le forum Malekal

Si vous avez un doute, ouvrez une demande d’aide en donnant les liens pjjoint des rapports. L’évaluation peut servir de point de départ, mais la personne qui vous assiste doit pouvoir consulter l’ensemble du contexte.

  • Décrivez le comportement inhabituel : publicités, redirections, fenêtre au démarrage, alerte antivirus ou autre symptôme.
  • Indiquez depuis quand il apparaît et les changements récents connus.
  • Ajoutez les liens de FRST.txt et Addition.txt, puis de Shortcut.txt si demandé.
  • Précisez quelle entrée vous inquiète et pourquoi.
  • Mentionnez les analyses antivirus et corrections déjà effectuées.

👉 Pour préparer une demande exploitable :

Si un correctif est nécessaire, il doit être préparé pour votre PC et vos rapports. Ne réutilisez pas le fichier fixlist.txt d’un autre sujet. La procédure d’application du correctif et de transmission de Fixlog.txt est expliquée dans le tutoriel FRST.

Partager les rapports en tenant compte de leur contenu

Un rapport technique peut contenir des noms de compte, des chemins, le nom de la machine et la liste des logiciels installés. Consultez son contenu avant un partage public. Une URL difficile à deviner ne remplace pas un contrôle d’accès.

pjjoint propose des choix de visibilité et de conservation lors du dépôt. Si vous protégez le fichier, assurez-vous que la personne chargée du diagnostic pourra le consulter. Gardez le lien privé de suppression séparément et retirez le dépôt lorsque vous n’en avez plus besoin.

Pour une assistance, évitez les liens qui disparaissent après une seule consultation si plusieurs personnes doivent relire les rapports. Conservez aussi les fichiers locaux : un dépôt expiré n’est plus une référence disponible pour le diagnostic.

Que faire si l’évaluation manque ou semble incohérente ?

  • Vérifiez que vous avez envoyé le véritable rapport FRST au format texte et que le scan est terminé.
  • Contrôlez la date du rapport et le PC concerné.
  • Consultez le tutoriel du service pour distinguer une indication normale d’un résultat inattendu.
  • Si le problème persiste, transmettez le lien du rapport et décrivez ce qui manque ou paraît incorrect.

L’absence d’évaluation ou une difficulté de reconnaissance ne signifie pas que le PC est infecté. Le texte du rapport peut rester utile à une lecture humaine. Ne modifiez pas arbitrairement ses lignes pour tenter de faire disparaître une indication.

Questions fréquentes sur l’évaluation FRST de pjjoint

pjjoint supprime-t-il les virus présents sur le PC ?

Non. L’hébergement et l’évaluation du rapport ne modifient pas Windows. Une désinfection nécessite une action adaptée, décidée après vérification.

Puis-je créer un correctif avec toutes les lignes signalées ?

Non. Les signalements ne constituent pas une liste automatique de suppressions. Une correction doit tenir compte des programmes légitimes, des dépendances et de la configuration du PC.

Un rapport sans alerte suffit-il à déclarer le PC sain ?

Non. Il ne contient que les informations recueillies lors de la collecte, et toute évaluation comporte des limites. Si les symptômes persistent, poursuivez le diagnostic avec une assistance adaptée.

Dois-je refaire un rapport après une correction ?

Si votre interlocuteur le demande, oui. Une nouvelle collecte permet d’examiner l’état après intervention. Conservez également Fixlog.txt : réévaluer l’ancien rapport ne montre pas les changements effectués sur le PC.

L’article pjjoint : comprendre l’évaluation FRST et vérifier les éléments suspects est apparu en premier sur malekal.com.

❌
❌