Playlist Tech : les meilleurs podcasts technologie

L’Europe veut devenir une puissance du quantique, mais elle affronte un problème très européen : elle possède d’excellents chercheurs et des dizaines de start-up, sans avoir encore fait émerger un IBM, un Google ou un Microsoft du secteur. Bruxelles veut maintenant pousser ces acteurs à se rapprocher. Sans leur promettre, pour autant, un nouveau pactole.

Le futur Quantum Act doit transformer l’excellence scientifique européenne en véritable industrie. Le quantique exploite des phénomènes physiques permettant, à terme, de résoudre certains calculs hors de portée des ordinateurs classiques, avec des applications possibles dans la chimie, les matériaux, la logistique, la défense ou la cryptographie. Lors d’une réunion au Parlement européen le 3 septembre, Thomas Skordas, numéro deux de la direction numérique de la Commission, a résumé le problème : l’Europe compte 78 start-up quantiques et ne peut pas se permettre qu’elles restent toutes isolées. Bruxelles veut conserver la concurrence, mais souhaite aussi voir apparaître des regroupements capables d’atteindre une taille industrielle.

Le Quantum Act ne ressemblerait donc pas à l’AI Act. L’objectif est moins d’imposer des interdictions que de coordonner la recherche, les infrastructures, la fabrication de composants et les chaînes d’approvisionnement. La Commission avait initialement prévu le texte pour 2026 ; son calendrier a déjà glissé et une présentation en 2027 n’est plus exclue. Mais il y a un paradoxe : ce texte n’aura pas de budget propre. Or transformer une technologie de laboratoire en industrie exige précisément des milliards, des usines et des années d’investissement. Le conseiller européen Tommaso Calarco résume les besoins en trois éléments : argent, vitesse et coopération. Le Quantum Act pourra surtout agir sur les deux derniers.

La France est directement concernée. Elle possède plusieurs acteurs importants, comme Pasqal, Alice & Bob ou Quandela, et a renforcé en mai sa stratégie nationale avec un milliard d’euros supplémentaire pour la période 2026-2030. L’Europe ne part donc pas de zéro. Elle dispose de chercheurs, de composants et d’entreprises prometteuses. Son problème est désormais de changer d’échelle. Après avoir longtemps financé l’excellence scientifique, elle doit apprendre à fabriquer des champions industriels avant que ses meilleures technologies et ses meilleurs talents ne trouvent ailleurs les capitaux nécessaires pour grandir.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

La course américaine à l’intelligence artificielle vient de rencontrer un obstacle que les géants de la tech avaient peut-être sous-estimé : leurs voisins. En trois mois, l’opposition locale a bloqué ou retardé au moins 75 projets de data centers représentant environ 130 milliards de dollars d’investissements.

Attention au chiffre : ces 130 milliards ne se sont pas évaporés et tous les projets ne sont pas annulés. Certains sont simplement retardés par des recours, des moratoires ou des procédures administratives. Mais selon Data Center Watch, jamais autant de projets n’avaient été perturbés en un seul trimestre depuis le début de son suivi en 2023. Le nombre de groupes locaux mobilisés a plus que doublé pour atteindre 833, répartis dans 49 États. Et les opposants ne contestent pas seulement l’intelligence artificielle. Ils parlent d’électricité, d’eau, de bruit, de terrains agricoles et surtout de factures.

Le problème prend de l’ampleur parce que les centres de données changent complètement d’échelle. L’Agence internationale de l’énergie estime que leur consommation mondiale d’électricité pourrait plus que doubler d’ici 2030 pour atteindre environ 945 térawattheures. Aux États-Unis, ils pourraient représenter près de la moitié de la croissance de la demande électrique d’ici la fin de la décennie. La contestation est devenue suffisamment sérieuse pour modifier la politique nationale. En mars, Amazon, Google, Meta, Microsoft, OpenAI, Oracle et xAI ont accepté un engagement voulu par la Maison-Blanche : financer les nouvelles capacités électriques et les infrastructures nécessaires à leurs data centers plutôt que d’en transférer le coût aux particuliers.

Et cette bataille américaine mérite d’être observée en France. En mai, RTE avait déjà réservé près de 18 gigawatts de capacité électrique pour environ 80 projets de data centers, contre seulement 5 gigawatts fin 2024. Certains réclament à eux seuls plus de 400 mégawatts. L’IA était jusqu’ici présentée comme une compétition de puces, de modèles et de milliards. Elle devient aussi une bataille très concrète pour des mégawatts, de l’eau et des hectares. Et les habitants viennent de rappeler aux géants technologiques qu’une infrastructure peut avoir le financement, les GPU et l’électricité nécessaires sans pour autant disposer de la ressource la plus difficile à acheter : l’acceptation locale.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

L’intelligence artificielle ne menace pas seulement de produire de mauvais textes. Dans la recherche, elle peut désormais fabriquer de fausses références, de fausses images et parfois de faux résultats qui finissent par être cités comme de la vraie science. Le CNRS estime que ce phénomène aggrave une crise déjà profonde de la publication scientifique.

Il faut d’abord éviter un raccourci : utiliser ChatGPT ou une autre IA pour améliorer un texte scientifique n’est pas nécessairement frauduleux. Pour le CNRS, le problème commence lorsque cet usage est dissimulé, ou lorsque la machine invente des données et des sources que personne ne vérifie. L’auteur humain reste responsable de ce qu’il publie. Et l’usage de l’IA devient massif. Une étude récente portant sur plus d’un million d’articles biomédicaux en anglais estime que 77 % des publications de 2025 présentent des signes d’assistance par un grand modèle de langage, et près de 90 % pour le seul mois de décembre. Attention : cette étude est encore une prépublication, et détecter une aide rédactionnelle ne signifie absolument pas détecter une fraude.

Le vrai danger vient de l’effet d’échelle. En mai, une analyse de 2,5 millions d’articles biomédicaux a identifié près de 3 000 publications contenant des références impossibles à retrouver. Et une erreur scientifique ne disparaît pas lorsqu’un article est retiré : d’autres chercheurs peuvent déjà l’avoir cité et utilisé comme fondation de leurs propres travaux. Le CNRS rappelle qu’environ 10 000 articles ont été rétractés sur 4,5 millions publiés dans le monde en 2023. Près de 640 000 publications citeraient au moins un article rétracté. L’IA n’a pas créé ce problème : elle peut simplement accélérer une machine déjà poussée par le fameux « publier ou périr » et par certains modèles économiques où les auteurs paient pour être publiés.

En France, le CNRS répond notamment avec BibCheck, un outil capable de repérer dans une bibliographie des articles rétractés ou des références potentiellement inventées. Il défend aussi une évaluation moins obsédée par le nombre de publications. Car le risque ultime n’est pas que l’IA écrive des articles. C’est qu’elle permette de produire de la science plus vite qu’on ne peut la vérifier. Et dans un système de connaissance fondé sur la confiance dans les travaux précédents, quelques fausses briques suffisent à fragiliser tout ce qu’on construit dessus.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Des chercheurs viennent de fabriquer des composants photoniques jusqu’à 500 fois moins encombrants que leurs équivalents classiques. Et la prouesse ne vient pas d’une nouvelle machine de gravure : elle vient d’un algorithme capable de dessiner des formes qu’aucun ingénieur n’aurait spontanément imaginées. L’équipe de Harvard et de l’Institut Max-Planck travaille sur des puces photoniques. Contrairement aux processeurs traditionnels, elles utilisent la lumière pour transporter certaines informations. Cette technologie intéresse particulièrement les télécommunications, les ordinateurs quantiques et les centres de données, où déplacer toujours plus de données entre les puces devient un véritable goulet d’étranglement.

Le procédé employé s’appelle la conception inverse. Au lieu de dessiner un composant puis de vérifier son fonctionnement, les chercheurs donnent au logiciel le résultat désiré : séparer différentes longueurs d’onde, trier plusieurs modes lumineux ou réfléchir la lumière. L’algorithme optimise ensuite la répartition de la matière jusqu’à obtenir une nanostructure efficace et compatible avec les procédés industriels. Ce n’est donc pas une IA générative qui « invente une puce » comme ChatGPT rédige un texte, mais un puissant système d’optimisation mathématique. Les chercheurs ont réellement fabriqué et testé trois familles de composants en nitrure de silicium. Certains multiplexeurs occupent une surface 50 à 300 fois plus petite que les modèles conventionnels ; pour certains dispositifs chargés de trier les modes de lumière, le gain atteint environ 500 fois. Les miroirs microscopiques réfléchissent, eux, jusqu’à 98,5 % de la lumière reçue.

Il faut cependant éviter une confusion : l’ensemble d’une puce n’est pas devenu 500 fois plus petit. Ce sont certaines briques photoniques qui ont été miniaturisées. Et les chercheurs doivent maintenant les intégrer à des circuits plus complexes. L’enjeu touche directement la France. À Grenoble, le CEA-Leti développe lui aussi des interconnexions photoniques destinées à soulager les échanges de données dans les futures architectures d’IA. La prochaine révolution des puces ne viendra donc peut-être pas uniquement de transistors toujours plus petits. Elle pourrait aussi venir d’algorithmes capables d’utiliser beaucoup mieux chaque micromètre disponible.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.