Microsoft AI a dévoilé des travaux de recherche révolutionnaires qui pourraient remodeler les diagnostics médicaux. Dans le cadre du Sequential Diagnosis Benchmark (SDBench), l'entreprise a testé l'IA sur 304 cas médicaux notoirement complexes tirés du New England Journal of Medicine. L'outil de diagnostic par modélisation, MAI Diagnostic Orchestrator (MAI-DxO), a fait preuve d'une précision de 85,5 %, dépassant ainsi les performances moyennes des médecins humains. En accélérant la prise de décision et en réduisant les tests coûteux, cette innovation offre à la fois précision et rentabilité. Microsoft estime qu'il s'agit d'une étape vers la "superintelligence médicale", décrite comme un système capable de surpasser l'expertise collective des cliniciens du monde entier. Bien que des limites subsistent, cette recherche a des implications majeures pour l'avenir des soins de santé.

Baidu s'apprête à mettre sur le marché des logiciels libres son modèle d'IA générative Ernie pour les grandes langues, marquant ainsi le développement le plus important de l'IA en Chine depuis DeepSeek. Ce lancement marque un changement par rapport à la stratégie propriétaire traditionnelle de Baidu et intensifie la concurrence entre les principales entreprises technologiques mondiales. Les experts estiment que cette initiative pourrait perturber la dynamique des prix, en poussant des concurrents comme OpenAI et Anthropic à réévaluer leurs modèles de primes restreintes. Les leaders du secteur sont divisés sur la question de savoir si Ernie rivalisera avec l'impact de DeepSeek, mais beaucoup s'accordent à dire que sa nature open-source augmente les enjeux en matière d'innovation et d'accessibilité. Les questions relatives à la sécurité, à la transparence et aux implications géopolitiques se posent également au moment où Baidu positionne ses outils d'IA en vue d'une adoption généralisée.

Une étude récente de l'Institut Max Planck révèle que les gens, en particulier les universitaires et les professionnels, ont commencé à adopter des modèles de langage semblables à ceux de l'IA dans leur discours quotidien. En analysant 280 000 vidéos universitaires sur YouTube, les chercheurs ont constaté une augmentation significative de l'utilisation de termes couramment générés par l'IA, tels que "méticuleux" et "adepte". Ce changement linguistique pourrait éroder les nuances émotionnelles et l'individualité, réduisant le discours à la monotonie. L'étude met en garde contre l'utilisation excessive d'un langage influencé par l'IA, qui pourrait aplanir la diversité culturelle et modifier subtilement les comportements sociaux, comme la politesse dans les conversations. Quelle ironie ! Les humains ont créé l'IA pour qu'elle ait l'air humaine, mais maintenant les gens reflètent l'IA.

Walmart a dévoilé des outils d'intelligence artificielle avancés conçus pour responsabiliser son personnel et améliorer les interactions avec les clients. Parmi ces innovations figure une fonction de traduction en temps réel prenant en charge 44 langues, qui garantit une communication claire entre les employés et les clients. Cet outil est adapté à l'environnement de Walmart, reconnaissant des termes spécifiques tels que "Great Value", la marque privée de l'entreprise. Les employés bénéficieront également d'une IA conversationnelle améliorée, capable de traiter des questions détaillées et de proposer des réponses guidées. En outre, Walmart déploie une technologie de réalité augmentée pour aider les associés à localiser efficacement les marchandises, en se concentrant sur les besoins de stockage de vêtements. Alimentées par Element, son système d'apprentissage automatique propriétaire, les dernières initiatives de Walmart basées sur l'IA visent à améliorer l'efficacité opérationnelle dans ses 10 750 magasins à travers le monde.

Une coalition d'agences de cybersécurité de premier plan, dont la NSA, le FBI et la CISA, a dévoilé de nouvelles orientations pour lutter contre les menaces émergentes pesant sur les systèmes d'IA. Ces orientations mettent en garde contre des risques tels que l'empoisonnement des données, les failles de la chaîne d'approvisionnement et la dérive des données, qui pourraient compromettre les systèmes d'IA. Elles invitent les organisations à mettre en œuvre des mesures de sécurité à toutes les étapes du cycle de vie de l'IA : planification, collecte de données, élaboration de modèles et surveillance opérationnelle. Les principales recommandations portent sur la vérification des ensembles de données de tiers, l'utilisation de protocoles d'ingestion sécurisés et l'audit régulier du comportement du système. Le guide insiste sur la prévention de l'empoisonnement des modèles et sur le suivi de l'intégrité des données. Les organisations sont encouragées à réviser leurs plans de réponse aux incidents, à auditer les projets en cours et à constituer des équipes interfonctionnelles. Les modèles d'IA devenant partie intégrante de l'infrastructure critique, il est essentiel d'assurer une solide sécurité des données.