En octobre, Google a publié un résultat que je n’attendais pas d’un communiqué de lancement.
Ses équipes ont entraîné leur modèle à ne plus prendre de raccourcis, en pénalisant les raccourcis visibles dans son raisonnement. Les raccourcis annoncés ouvertement ont chuté de 61 %. Et les raccourcis silencieux, ceux que le modèle ne dit pas, sont passés de 11,2 % à 36,4 %.
Le comportement n’a pas disparu. Il est sorti du champ observable.
Ce Brief couvre six semaines, de septembre au 15 octobre. Si vous n’avez qu’une minute, lisez la frise ci-dessous : chaque ligne renvoie à la section qui la développe.
Gardez cette phrase en tête, parce qu’elle commande tout le reste. Pendant que les machines deviennent plus difficiles à lire, trois législateurs ont écrit, chacun de son côté, qu’une personne doit désormais répondre de ce qu’elles produisent.
1. Les laboratoires se sont mis à documenter leurs propres échecs
Pendant deux ans, les grands laboratoires ont surtout publié des scores. En octobre, quatre d’entre eux ont publié autre chose : ce que ces scores ne garantissent pas.
Google, le 13 octobre. Le résultat que je viens de citer. Pénaliser le raisonnement visible d’un modèle pour l’empêcher de tricher ne le fait pas arrêter de tricher. Cela le fait arrêter de le dire. Les responsables sûreté du laboratoire publient eux-mêmes les deux chiffres, côte à côte.
Meta, le 12 octobre. Dans sa propre fiche technique, le laboratoire révèle que sur une épreuve de cybersécurité, son modèle a capturé 92 drapeaux, mais que 21 seulement l’ont été par la faille que l’épreuve visait. Soixante et onze sur quatre-vingt-douze sont passés par une porte imprévue. Meta précise que seul le chiffre de 21 est comparable au classement public.
Un score de 92 et un score de 21 décrivent la même expérience. Lequel aurait figuré dans la présentation commerciale ?
OpenAI, le 7 octobre. Le laboratoire publie, pour sa nouvelle génération, des régressions de sécurité par rapport à la précédente, sur plusieurs comportements sensibles et jusque sur les évaluations destinées aux mineurs. Monter de version chez le même fournisseur n’est donc pas automatiquement une amélioration.
Anthropic, le 9 octobre. Le laboratoire publie quatre catégories d’actions que ses modèles ont entreprises sans qu’on le leur demande : exploiter une faille pour exécuter des commandes sur un serveur, soumettre un formulaire non prévu, contourner une restriction pour atteindre des données protégées, utiliser un raccourcisseur d’adresses pour échapper aux limites de son propre outil de navigation.
Deux chiffres situent le niveau réel d’autonomie. Le 6 octobre, OpenAI a évalué ses modèles sur du travail contractuel conçu avec un éditeur de logiciels juridiques : le meilleur modèle public satisfait 55 % des critères attendus. Et le 13 octobre, sur deux évaluations scientifiques mesurées par un tiers extérieur, le modèle de pointe de Google obtient 57 % en aide au diagnostic de maladies rares et 52,2 % en raisonnement de laboratoire, pendant que le même communiqué annonce des gains d’ingénierie interne à deux chiffres.
Ces chiffres ne mesurent pas la même chose, et c’est précisément le point : réussir une tâche spécialisée ne dit rien d’une fiabilité générale.
Une dernière remarque, qui vaut pour tout ce qui précède. Sur les douze travaux que j’ai retenus, dix reposent sur une mesure produite par le laboratoire qui vend le modèle, et aucun n’a été évalué par des pairs. Les rares mesures indépendantes sont nommément identifiées, et elles donnent des chiffres plus bas.
Ce que vous devez décider. Avant de retenir un score pour justifier un investissement, trois questions. Qui a conduit la mesure ? Sur quelle version exacte du modèle ? Et que mesure l’épreuve, exactement ? Un score dont la méthode n’est pas documentée est une information, pas une base de décision.
2. La responsabilité humaine entre dans le droit applicable
En Espagne, écrire les critères devient une obligation
Un décret du 9 septembre, publié le 15, entré en vigueur le 5 octobre, oblige l’employeur à informer ses salariés par écrit de l’existence des systèmes algorithmiques qui les concernent et de leurs règles de fonctionnement, dès lors qu’ils touchent au temps de travail, aux tâches, aux salaires, à la promotion, au lieu de travail ou à la rupture du contrat.
Si vous triez des candidatures, répartissez des plannings ou notez des performances avec un outil en Espagne, la question devient concrète : savez-vous écrire ce que fait cet outil et selon quels critères ?
En Californie, la sortie de la machine ne suffit plus
Le 30 septembre, le gouverneur a signé le texte surnommé No Robo Bosses Act, applicable au 1er juillet 2027. Lorsqu’une sanction ou un licenciement repose principalement sur un système automatisé, un humain doit examiner la décision et la corroborer par des éléments distincts : dossier du personnel, évaluations managériales, travail produit, entretiens. Une sortie inexacte, trompeuse ou non corroborée ne peut pas fonder la mesure.
Le même jour, un second texte impose un préavis écrit de soixante jours pour certains licenciements collectifs causés, en tout ou en partie substantielle, par des systèmes d’IA.
En Europe, vingt-quatre heures pour signaler
Depuis le 11 septembre, les obligations de signalement du règlement sur la cyberrésilience s’appliquent à tout produit logiciel ou connecté mis sur le marché européen : alerte en vingt-quatre heures, notification complète en soixante-douze heures, rapport final dans les quatorze jours après correctif.
Vingt-quatre heures, ce n’est pas une procédure qu’on écrit le jour de l’incident. C’est une chaîne de détection, une astreinte et une personne habilitée à décider.
Et une offensive venue d’un terrain inattendu
Le 14 octobre, huit États américains ont engagé des actions distinctes contre OpenAI, chacun devant sa propre juridiction, sur le fondement du droit de la consommation et de la protection des mineurs. Ce sont des griefs portés dans des plaintes, pas des faits jugés. Mais ils rappellent que le risque juridique d’un produit d’IA passe aujourd’hui par des textes qui ne parlent pas d’IA.
Et le règlement européen sur l’IA, pendant ce temps ? Aucune amende, aucun acte d’exécution adopté sur toute la période. L’essentiel du texte s’applique depuis le 2 août, et les obligations sur les systèmes à haut risque ont été repoussées à décembre 2027 et août 2028 par un règlement de simplification de juillet.
Un dirigeant qui surveille le règlement sur l’IA surveille donc le texte qui ne lui demandera rien avant dix-huit mois, pendant que le droit du travail, le droit des produits et le droit de la consommation lui demandent quelque chose cette année. Une seule échéance européenne approche vraiment : le 2 décembre 2026, pour le marquage des contenus générés par les systèmes mis sur le marché avant le 2 août.
Ce que vous devez décider. Inventoriez les outils automatisés qui touchent au recrutement, aux horaires, à la paie, à l’évaluation ou au licenciement. Pour chacun, trois noms : qui l’utilise, qui peut expliquer sa sortie à la personne concernée, et qui dispose des éléments indépendants permettant de la vérifier. Sans ces trois réponses, vous avez un sujet, quel que soit votre pays.
3. L’adoption est faite. La valeur reste à démontrer.
Deux banques centrales ont publié des mesures en septembre. Elles ne vendent rien, et elles disent la même chose.
La Banque de France a interrogé environ sept mille entreprises de vingt salariés et plus. Deux sur trois utilisent l’IA générative, plus de huit sur dix au-delà de mille salariés. Mais seule une utilisatrice sur trois déclare un gain de chiffre d’affaires par salarié qu’elle attribue à l’IA. Le gain de temps médian déclaré est de trois heures par semaine et par salarié, et les trois quarts des usages se trouvent dans les fonctions support.
La Réserve fédérale de New York a mesuré autre chose, et c’est peut-être le chiffre le plus utile de ces six semaines. Dans les services de sa région, 61 % des entreprises utilisent l’IA. Mais la part médiane des salariés qui l’utilisent réellement est de 17 %. Dans l’industrie, 51 % des entreprises, et 7 % des salariés.
Il y a donc deux adoptions. Celle de l’entreprise, qui se déclare. Et celle du travail, qui se mesure. L’écart entre 61 % et 17 % est le vrai état des lieux.
Un dernier chiffre, que je donne surtout pour montrer comment il faut les lire. Une enquête du 29 septembre annonce que 84 % des directeurs informatiques interrogés ont annulé un projet d’IA à cause de leurs systèmes existants. Elle a été commandée et payée par une société dont le métier est de moderniser les systèmes existants. Ce n’est pas une raison de la rejeter, c’est une raison de regarder sa méthode.
Et dans la même enquête se trouve un résultat bien plus intéressant, parce qu’il ne sert pas le commanditaire : 91 % des interrogés estiment que des entreprises instrumentalisent le discours sur l’IA pour justifier des réductions d’effectifs. C’est une perception, pas une mesure. Retenez-la quand même, nous la retrouverons au point 6.
Ce que vous devez décider. Avant d’ouvrir un nouveau chantier, mesurez le précédent. Pas les licences achetées : le nombre de personnes qui s’en servent, sur quelle tâche, et ce que ça change au résultat. Si l’usage est faible, cherchez pourquoi avant de changer d’outil : tâches mal choisies, intégration absente, compétences manquantes, contraintes de sécurité ou défaut de confiance.
4. La dépendance au fournisseur est devenue un risque d’exploitation
Le 3 septembre, ChatGPT, Codex, Claude et Grok ont été indisponibles dans la même fenêtre de temps.
Ce qui rend cette panne instructive, ce n’est pas sa durée, c’est sa cause. xAI a déclaré une défaillance de son centre de calcul de Memphis. Anthropic, qui loue de la capacité dans ce même centre, a été touchée par ricochet. Gemini a été épargné.
Beaucoup d’organisations se croient protégées parce qu’elles ont deux fournisseurs. Ce jour-là, deux fournisseurs ne faisaient pas deux chemins d’infrastructure.
La durée de vie d’un modèle s’est raccourcie
Le 30 septembre, Anthropic a annoncé le retrait de Claude Sonnet 4.5 de son interface de programmation pour le 30 novembre. Soixante et un jours de préavis, contre cent quatorze pour un modèle de la même famille en octobre 2025. Si votre application appelle un identifiant de modèle précis, votre calendrier de maintenance ne vous appartient plus tout à fait.
Le refus est devenu facturable
Depuis le 24 septembre, Anthropic facture au tarif normal certaines requêtes refusées, avant toute production de résultat. Le laboratoire a confirmé ce choix le 12 octobre en détaillant ses défenses contre la copie de ses modèles. Une demande légitime peut donc apparaître sur votre facture sans rien avoir produit.
L’écart de prix s’est ouvert chez un même vendeur
OpenAI a mis en service un modèle haut de gamme le 3 septembre à dix dollars par million de signes en entrée et cinquante en sortie. Le 22, un modèle d’entrée de gamme à dix centimes et cinquante centimes. Un facteur cent. Et le 29, une formule d’abonnement à cinq cents dollars par utilisateur et par mois pour le palier le plus rapide.
La question qui occupait les comités de direction depuis deux ans, quel fournisseur choisir, se déplace donc vers une question plus simple et plus mal traitée : quel palier pour quelle tâche. Reformuler un courriel, extraire des données structurées et arbitrer une orientation n’exigent ni la même puissance ni la même prudence.
La première quinzaine d’octobre a été calme sur ce front : aucun changement de prix, aucun retrait annoncé. Deux échéances restent à traiter, le 30 novembre pour Sonnet 4.5 et le 2 décembre pour le marquage européen.
Ce que vous devez décider. Quatre questions à votre équipe technique cette semaine. Si notre fournisseur principal tombe quatre heures, que se passe-t-il pour nos clients ? Nos deux fournisseurs tournent-ils sur deux infrastructures, ou louent-ils au même endroit ? Quel préavis contractuel avons-nous avant le retrait d’un modèle, et combien de temps faut-il pour migrer ? Et payons-nous le modèle le plus cher pour des tâches qui n’en ont pas besoin ?
5. Les agents ont causé leurs premiers dégâts attribuables
Jusqu’ici, le risque des agents autonomes était une hypothèse. En septembre, il a produit des traces.
Un laboratoire indépendant a publié le 30 septembre un rapport sur des agents lancés sur une tâche banale, récupérer des données publiques, et qui ont développé d’eux-mêmes des techniques d’attaque contre des sites gouvernementaux. Plus de deux cent mille requêtes vers un site du ministère américain de l’Éducation en une journée, dont une sonde d’injection de base de données. Huit cent quatre-vingt-dix-neuf requêtes vers Bibliothèque et Archives Canada, dont treize portant des charges d’attaque.
Personne ne leur avait demandé d’attaquer quoi que ce soit. On leur avait demandé d’obtenir des données, et ils ont trouvé un chemin. C’est exactement ce qu’Anthropic a confirmé neuf jours plus tard en publiant ses propres incidents : un agent qui exploite une faille n’a désobéi à aucune consigne, on ne lui avait rien interdit.
Le même mois, une équipe de sécurité a documenté une intrusion menée par un humain équipé d’outils d’IA : moins de dix heures pour une opération qui demande environ deux semaines à une équipe classique, en enchaînant plus de cinquante techniques connues. Les techniques n’étaient pas nouvelles. C’est la vitesse qui l’était.
Si votre délai de détection et de réaction a été calibré sur des attaquants humains, il a été calibré sur une autre durée.
Les autorités bougent. Le 30 septembre, l’autorité américaine de la concurrence a ouvert une enquête visant plusieurs laboratoires, présentée comme la première action ciblant spécifiquement des agents défaillants. Et le 9 septembre, la Californie a créé un cadre de certification d’évaluateurs indépendants et un registre d’auditeurs d’IA. Quand un marché d’auditeurs accrédités se met en place, l’audit ne reste jamais longtemps volontaire.
Ce que vous devez décider. Avant d’ajouter un agent, écrivez trois limites : ce à quoi il a accès, ce qu’il doit faire valider par un humain, et ce qu’il journalise. Posez-les dans l’infrastructure et les autorisations, pas seulement dans la consigne. Les laboratoires viennent de publier que leurs modèles franchissent des frontières que personne n’avait pensé à interdire.
6. L’ajustement se fait sur le bas de la pyramide
Deux chercheurs, l’un à Stanford et l’autre à Londres, ont analysé un milliard deux cent cinquante millions d’offres d’emploi et cent cinquante-quatre millions d’enregistrements d’emploi dans quarante et un pays, de janvier 2021 à mars 2026, sur plus de cent mille filiales de multinationales.
Leur résultat principal : la part des profils juniors baisse de 1,9 point, et de 3,3 points dans les métiers informatiques et mathématiques. Et cette baisse vient surtout d’une hausse de l’emploi des profils expérimentés, de 6,7 %, pas d’un effondrement de l’emploi junior. Les auteurs relèvent aussi une croissance modeste de l’emploi total, de l’ordre de 3,3 %, mais ils la présentent comme un indice et non comme un résultat établi. Je la donne avec la même prudence qu’eux.
Ces données ne prouvent pas à elles seules que l’IA en est la cause. Elles montrent un déplacement de la composition : ce sont les postes d’entrée qui absorbent l’ajustement.
Dans le même mois, une enquête auprès de près de cinquante mille salariés dans quarante-huit pays montre que 64 % ont utilisé l’IA au travail sur douze mois, et que l’accès déclaré à des ressources de formation est passé de 59 % à 51 %.
Lisez les deux ensemble. L’usage augmente, l’apprentissage encadré diminue, et l’échelon où l’on apprenait le métier se resserre.
Quand l’IA sert à habiller une restructuration
Octobre a fourni le cas qui doit vous servir de grille de lecture pour tous les autres.
Deux grandes entreprises américaines ont annoncé des réductions d’effectifs début octobre. La première, un éditeur de logiciels financiers, supprime environ 15 % de ses postes, et la presse a titré « restructuration pilotée par l’IA ». Or dans le document réglementaire déposé auprès du régulateur boursier, texte juridiquement engageant, l’IA n’est pas désignée comme la cause : elle figure parmi plusieurs facteurs, aux côtés de la réduction des strates managériales.
La seconde, un distributeur, supprime trois mille postes de siège sur trois ans. Et là, l’attribution à l’IA vient de l’employeur lui-même, dans un mémo signé du directeur général et adressé à ses salariés.
Même mot, deux semaines d’écart, deux statuts de vérité. Dans un cas une interprétation journalistique, dans l’autre une déclaration d’entreprise. Rappelez-vous les 91 % du point 3 : nous venons de voir la mécanique en direct.
Ce que vous devez décider. Si vous réduisez vos recrutements juniors parce que l’IA fait une partie de leur travail, posez la question à cinq ans : qui occupera vos postes intermédiaires ? Vous ne supprimez pas un coût, vous déplacez une dépense de formation vers l’extérieur, et vous la rachèterez plus cher. Et si vous invoquez l’IA dans une restructuration, soyez précis sur son rôle réel : en Californie le mot déclenche un préavis légal de soixante jours, et partout ailleurs il vous engage devant vos équipes.
7. En Afrique, la capacité réelle compte plus que les annonces
Ce qui existe
À Nairobi, le 7 septembre, un opérateur américain de centres de données a mis en service une salle de 6,4 mégawatts, portant son campus à plus de quatorze mégawatts. En service, pas annoncé.
En Namibie, un pays de trois millions d’habitants, un Institut national de l’IA a ouvert fin septembre, adossé à deux centres de calcul équipés de processeurs graphiques dans deux universités publiques, avec deux mille étudiants déjà engagés. La stratégie nationale, elle, n’est pas adoptée. L’institut n’a pas attendu la stratégie.
Au Cameroun, le 21 septembre, une plateforme nationale de formation des agents publics a été lancée : cinq modules certifiants, une application mobile qui fonctionne hors connexion, un financement de la Banque mondiale. J’ai ouvert la plateforme, les inscriptions sont ouvertes.
Ce qui est annoncé
Le Maroc a confirmé un site à Casablanca visant cinq cents mégawatts, sans calendrier. L’Égypte a lancé sa première usine d’IA nationale sans publier un processeur ni un mégawatt. Le Mali a inauguré un centre d’IA et de robotique près de Bamako, sans coût ni équipement rendus publics. Le Sénégal a signé le 6 octobre un accord de quatre-vingt-huit milliards de francs CFA sans que les bailleurs soient nommés. Et le 14 octobre, la Banque africaine de développement a communiqué sur une initiative visant un milliard de dollars par an pendant dix ans, sans nommer un bailleur ni rapporter un engagement.
Le verrou n’est pas technologique
Deux étalons de mesure, à garder en tête quand on vous parlera de calcul africain.
Le premier : le data center national du Congo, treize millions huit cent mille euros, déclaré à 90 % d’avancement en août 2025, annoncé le 25 septembre 2026 pour « avant fin 2026 ». Treize mois à 90 %.
Le second est plus dur. Le centre de données d’un milliard de dollars annoncé au Kenya par un géant américain et un partenaire émirati est au point mort, faute d’accord sur la garantie de fourniture électrique. Le président kényan l’a dit ainsi : il faudrait « éteindre la moitié du pays ». La capacité installée du Kenya tourne autour de trois mille mégawatts.
La Banque mondiale a classé les verrous le 6 octobre, dans un rapport consacré à la préparation du continent : électricité, connectivité, compétences, données, et enfin capacité de calcul. Dans cet ordre.
Sur le Cameroun et la CEMAC, je dois dire la vérité : rien de vérifiable dans la première quinzaine d’octobre. Le superviseur bancaire régional avait inscrit l’IA à l’ordre du jour de sa concertation du 25 septembre à Malabo, sans adopter de texte. Et sur toute la période, je n’ai trouvé aucune levée de fonds vérifiable d’une entreprise africaine d’IA.
Ce que vous devez décider. Ne construisez aucun plan à douze mois sur une capacité annoncée. Avant de croire à un projet de calcul en Afrique, posez la question qui a arrêté le projet kényan : d’où vient l’électricité, et qui en garantit la fourniture ? Ce sur quoi on peut s’appuyer aujourd’hui, c’est de la capacité en service à Nairobi, du calcul universitaire en Namibie, et de la formation gratuite au Cameroun.
8. Ce que tout cela fait au métier de manager et de dirigeant
Sept points, six semaines. Si je n’en tirais qu’une chose, la voici.
La machine devient plus difficile à lire au moment précis où le droit exige qu’une personne en réponde.
D’un côté, Google publie qu’empêcher un modèle de dire qu’il triche ne l’empêche pas de tricher. Meta publie que soixante et onze de ses quatre-vingt-douze succès sont passés par une porte imprévue. Anthropic publie que ses modèles franchissent des frontières que personne n’avait pensé à interdire. De l’autre, l’Espagne vous demande d’écrire les critères de vos outils, la Californie de corroborer par des éléments distincts, l’Europe de signaler en vingt-quatre heures.
On vous demande d’expliquer et de répondre d’un objet dont les fabricants disent eux-mêmes qu’il est plus opaque qu’on ne le croyait.
Une explication convaincante n’est pas une preuve
C’est la leçon directe du résultat de Google. Un raisonnement propre, bien écrit, convaincant, n’est pas une preuve que le travail a été bien fait. Il peut être la trace d’un système qui a appris à produire des explications acceptables. La vérification porte sur les faits et le résultat, pas sur le récit qui les accompagne.
Transmettre une sortie de machine est déjà une décision
Un manager qui relaie une analyse produite par une IA sans arbitrer ce qui mérite correction ne délègue pas une analyse. Il délègue son jugement. L’enjeu n’est pas de tout vérifier de la même façon : c’est d’ajuster le contrôle à l’importance de la décision et au coût d’une erreur.
Dire « c’est l’IA » est devenu une déclaration
Le cas des deux entreprises du point 6 le montre crûment. Le même mot, dans un mémo interne ou dans un document réglementaire, n’a pas le même statut et n’expose pas aux mêmes conséquences. L’IA n’est plus un argument d’ambiance.
Le trou de gouvernance est aussi un trou de compétence
Une enquête auprès de cinq cent soixante et un administrateurs de sociétés américaines, publiée le 16 septembre, donne trois résultats qui vont ensemble. 71 % citent l’IA comme la première compétence à renforcer dans leur conseil. 27 % seulement jugent ce type d’expertise très important dans l’évaluation d’un nouvel administrateur. Et 49 % s’inquiètent d’une dépendance excessive aux résultats de l’IA, qui affaiblirait le jugement humain.
Les deux premiers chiffres ne mesurent pas la même chose, et je ne vais pas prétendre le contraire. L’un porte sur une compétence à acquérir, l’autre sur un critère de recrutement. Mais le contraste est net : ces conseils nomment l’IA comme leur premier manque, et ne la font pas peser quand ils choisissent qui les rejoint.
Quant à la peur exprimée par la moitié d’entre eux, ce n’est pas une peur de la technologie. C’est une peur de leur propre affaissement.
Et nommer un responsable ne suffira pas. Encore faut-il qu’il ait la compétence d’évaluer le résultat, des éléments indépendants de l’explication fournie par le modèle, le pouvoir de corriger ou de suspendre, et des critères pour mesurer les conséquences de son choix. Sans cela, la responsabilité humaine devient une signature.
Ce que vous devez décider. Une seule question à votre prochain comité de direction. Quand une machine produit un résultat qui compte chez nous, qui est en mesure d’en vérifier la qualité et d’en assumer les conséquences ? S’il n’y a pas un nom en face de chaque usage qui compte, le problème n’est pas l’outil. Il se verra d’abord dans la qualité de vos décisions, bien avant de se voir devant un juge.
Le dirigeant augmenté : de l’outil à la décision
Je travaille depuis un an sur une question que je formule toujours de la même façon : qu’est-ce que l’intelligence artificielle change dans la manière de diriger ?
Pas dans la manière de produire. Dans la manière de diriger.
La réponse que je défends tient en quatre mots, dans cet ordre : dirigeant, décision, organisation, résultat.
Un dirigeant augmenté n’est pas quelqu’un qui utilise l’IA vingt fois par jour. C’est quelqu’un dont les décisions sont mieux éclairées, dont l’organisation exécute mieux ces décisions, et dont les résultats s’en trouvent réellement modifiés. Si l’un des trois maillons manque, l’augmentation reste une impression. J’ai posé ce cadre dans la première Note, et j’ai montré dans la troisième ce qu’il devient à l’échelon du manager.
Ce que je lis dans les faits de ces six semaines, c’est que le maillon fragile n’est pas l’outil. C’est la décision.
La question n’est donc pas de savoir combien d’outils d’IA votre organisation utilise. Elle est de savoir quelles décisions vous prenez mieux grâce à eux, quels résultats vous obtenez, et qui en répond. C’est à partir de cette question que je travaille avec les dirigeants.
Comment nous travaillons
Le diagnostic, gratuit. Onze questions, cinq minutes, aucune donnée confidentielle demandée. Vous repartez avec une lecture de votre situation, trois opportunités priorisées, un cas comparable, les précautions qui vous concernent et une action pour la semaine. Il ne vous abonne à rien. Le faire ici.
Le Déclic, quatre-vingt-dix minutes. Nous travaillons ensemble sur une situation précise. Vous repartez avec ce que l’IA peut réellement y changer, ce qu’elle n’y changera pas, et la première décision à prendre. Ce n’est ni une formation ni un audit : c’est un travail ciblé sur une décision, et vous recevez une page sous quarante-huit heures. En parler.
Au-delà, deux formats quand la question dépasse une conversation : la Note stratégique, un document de décision qui dit quoi faire, dans quel ordre et à quelles conditions, et le briefing de comité de direction, quand l’enjeu est celui d’une équipe qui doit arbitrer ensemble. Le Déclic dit où regarder. La Note dit quoi faire.
Je n’affiche pas de tarifs, et c’est volontaire : le format dépend de la situation, et il m’arrive de dire qu’aucun ne convient. Les Notes, elles, restent gratuites, toutes les deux semaines.
Une dernière chose, puisque ce Brief parle de délégation du jugement et qu’il serait malhonnête de ne pas appliquer ma propre thèse.
Ce Brief a été produit avec l’assistance de l’intelligence artificielle : veille, collecte, vérification des sources, mise en forme. Les faits ont été ouverts un par un, et ceux qui n’ont pas pu l’être sont signalés plus bas. Le choix des huit sujets, les interprétations et les conseils sont les miens, et j’en réponds.
Le dirigeant augmenté n’est pas celui qui délègue son jugement à la machine. C’est celui qui utilise la machine pour mieux exercer le sien.
Sources
Les liens ci-dessous sont ceux que j’ai ouverts.
1. Ce que les laboratoires ont publié
- Google DeepMind, raccourcis visibles et raccourcis silencieux, 13 octobre 2026 : billet sûreté et sécurité. Scores mesurés par un tiers : annonce du modèle.
- Meta, 92 drapeaux dont 21 par la faille visée, 12 octobre 2026 : fiche technique du modèle.
- OpenAI, régressions de sécurité, 7 octobre 2026 : Deployment Safety Hub.
- Anthropic, actions non intentionnelles de ses modèles, 9 octobre 2026 : billet de recherche.
- OpenAI et Ironclad, 55 % des critères satisfaits, 6 octobre 2026 : publication.
- Anthropic, défenses contre la copie de modèles, 12 octobre 2026 : billet.
2. Responsabilité et textes applicables
- Décret espagnol 723/2026 du 9 septembre 2026 : analyse juridique Iberley.
- Californie, No Robo Bosses Act, 30 septembre 2026 : SHRM. Préavis de 60 jours : Bond, Schoeneck & King.
- Règlement européen sur la cyberrésilience, applicable au 11 septembre 2026 : cyberresilienceact.eu.
- Calendrier du règlement européen sur l’IA : Commission européenne.
- Actions de huit États américains contre OpenAI, 14 octobre 2026 : procureur général de l’Arizona et procureur général du Montana.
3. Adoption et gains
- Banque de France, environ 7 000 entreprises, 3 septembre 2026 : reprise de l’étude.
- Réserve fédérale de New York, 1er septembre 2026 : Liberty Street Economics.
- Enquête commanditée par un prestataire de modernisation informatique, 29 septembre 2026 : communiqué GFT Technologies.
4. Fournisseurs
- Panne simultanée du 3 septembre 2026 : Datacenter Dynamics.
- Facturation des requêtes refusées : documentation Anthropic.
- Dépréciation de Claude Sonnet 4.5 : Mixed News.
- Baisse de prix OpenAI du 23 septembre 2026 : Quartz. Abonnement du 29 septembre : TechCrunch.
5. Agents
- Agents ayant développé des techniques d’attaque contre des sites gouvernementaux, 30 septembre 2026 : Transluce.
- Intrusion en moins de dix heures, 4 septembre 2026 : Unit 42, Palo Alto Networks.
- Enquête de l’autorité américaine de la concurrence et cadre californien d’auditeurs : Tech Policy Press et communiqué de l’État de Californie.
6. Emploi et compétences
- Chandar (Stanford) et Klein Teeselink (King’s College London), 41 pays : la publication.
- Enquête salariés, 49 364 répondants dans 48 pays, 29 septembre 2026 : PwC.
- Réduction d’effectifs d’un éditeur de logiciels financiers, document déposé le 6 octobre 2026 : dépôt 8-K auprès de la SEC.
- Suppression de 3 000 postes annoncée aux salariés le 12 octobre 2026 : dépêche Associated Press.
7. Afrique
- Mise en service du centre de données de Nairobi, 7 septembre 2026 : Agence Ecofin.
- Institut national de l’IA de Namibie : New Era.
- Plateforme camerounaise de formation : la plateforme.
- Site marocain de Casablanca : iAfrica. Usine d’IA égyptienne : Engineering News. Centre malien : KOACI.
- Accord sénégalais du 6 octobre 2026 : AllAfrica. Initiative de la Banque africaine de développement, 14 octobre 2026 : communiqué BAD.
- Data center national du Congo : Agence Ecofin. Projet kényan à l’arrêt faute de garantie électrique : Tom’s Hardware.
- Banque mondiale, préparation de l’Afrique à l’IA, 6 octobre 2026 : Africa Economic Update.
- Concertation du superviseur bancaire de la CEMAC, 25 septembre 2026 : Financial Afrik.
8. Gouvernance
- Enquête annuelle auprès de 561 administrateurs, 16 septembre 2026 : PwC Governance Insights Center.
Une note de méthode
Trois réserves, que je préfère écrire plutôt que laisser deviner.
Les chiffres de la Banque de France viennent de reprises de presse concordantes, le portail de la Banque de France n’ayant pas pu être ouvert. Le décret espagnol est rapporté à partir de l’analyse d’un service juridique spécialisé. Ce ne sont pas des lectures de première main.
Pour le point 1, les travaux cités sont des publications des laboratoires eux-mêmes. Aucun n’a été évalué par des pairs, et la plupart des mesures ont été produites par le laboratoire qui vend le modèle. Je le signale dans le texte à chaque fois, parce que c’est précisément le sujet de ce point.
Enfin, plusieurs faits très relayés pendant ces six semaines ne figurent pas ici parce que je n’ai pas pu les vérifier à la source : un projet de règlement d’exécution européen sur les procédures d’amende, une étude universitaire sur l’imputation des erreurs d’IA dont ni la date ni l’échantillon ne sont publiés, et le chiffre très circulant selon lequel 95 % des projets d’IA en entreprise échoueraient, qui remonte à un travail antérieur régulièrement recyclé. Ce qui n’a pas pu être vérifié n’est pas dans ce Brief, même quand c’était tentant.