Publication du 22 mars 2026
Edition n°46
En mars 1978, le naufrage de l’Amoco Cadiz sur les côtes bretonnes avait provoqué la mort de milliers d’oiseaux et déclenché une mobilisation sans précédent. Une indignation collective, immédiate, qui avait fini par accoucher de conventions internationales relatives au transport maritime des hydrocarbures.
Aujourd’hui, dans le Golfe persique, on bombarde des raffineries en pleine zone urbaine, on détruit des pipelines, on coule des navires dans l’un des écosystèmes marins les plus fragiles de la planète. Plus de 300 incidents environnementaux majeurs recensés depuis le début du conflit. Des nappes phréatiques contaminées pour des décennies, une pluie noire sur Téhéran, une centaine de pétroliers immobilisés dans un couloir maritime étranglé : chacun est une catastrophe potentielle en puissance.
La différence avec 1978 ne tient pas à l’ampleur des dégâts mais à notre capacité à les regarder. Quand la destruction s’inscrit dans une logique de guerre, elle échappe aux catégories morales qui auraient autrefois déclenché l’alarme.
Les experts documentent, les ONG alertent, et le flux de l’actualité géopolitique recouvre tout méthodiquement, comme une marée noire qu’on aurait décidé de ne pas nettoyer.
Bienvenue dans le monde de demAIn, un monde où le mot « écocide » a disparu du dictionnaire.
Docteur Copilot
Mustafa Suleyman a dit quelque chose de remarquable lors du lancement de Copilot Health. Il a expliqué qu’il faisait partie des « rares élites privilégiées » ayant accès à un médecin-concierge. Puis il a annoncé que son entreprise allait démocratiser ce luxe.
C’est généreux.
Mais ce n’est pas surprenant, car la ruée est générale : OpenAI a lancé ChatGPT Health en janvier, Anthropic a suivi avec Claude for Healthcare, et Amazon a étendu son assistant médical à l’ensemble de ses clients. Microsoft leur a emboîté le pas avec Copilot Health, basé sur les dossiers de 50 000 hôpitaux américains et des données provenant de plus de 50 appareils connectés, le tout distillé en une synthèse personnalisée de notre état de santé.
Suleyman parle déjà de « superintelligence médicale disponible 24 h/24 ». Dominic King, VP IA chez Microsoft, préfère une formulation plus douce : « L’outil ne remplace pas votre médecin, il rend chaque minute passée avec lui plus utile. »
Copilot Heath a été développé avec 230 médecins issus de 24 pays. Il ne pose pas de diagnostic, précise Microsoft. Il « prépare vos conversations ». La clause de non-responsabilité est là, dans le communiqué de presse, comme l’étiquette de précaution sur un médicament que personne ne lit.
Microsoft traite déjà 50 millions de questions de santé par jour sur Bing et sur Copilot. Les gens utilisent ChatGPT pour parler de leurs symptômes depuis des années. Le marché existe. La question n’était pas de savoir si quelqu’un allait s’en emparer. C’est comprendre avec quelles garanties.
Enjeux et perspectives
Ce qui rend l’opération habile, c’est son angle d’attaque. Elle cible un système à bout de souffle, une pénurie de médecins, des coûts inaccessibles, des dossiers éparpillés entre des dizaines de bases de données incompatibles. Sur ce terrain-là, même un outil imparfait semble providentiel.
La HIPAA, qui oblige les établissements de santé américains à protéger les données médicales sous peine de sanctions fédérales, ne s’applique pas aux entreprises technologiques. Microsoft promet de ne pas utiliser vos données pour entraîner ses modèles. La promesse figure dans le communiqué de presse.
Pas dans la loi.
Matthew Green, de Johns Hopkins, pointe aussi une logique de consolidation préoccupante : des données autrefois dispersées chez des dizaines de prestataires se retrouvent concentrées en un seul nœud, beaucoup plus attractif pour une cyberattaque ou une réquisition judiciaire. Une femme cherchant des soins reproductifs dans un État où l’avortement est interdit n’aura plus à affronter dix systèmes séparés. Une seule assignation à Microsoft suffira.
Reste la question du diagnostic lui-même.
Une étude récente sur le chatbot santé d’OpenAI a documenté un cas précis : un patient en détresse respiratoire imminente s’est vu conseiller de consulter un médecin dans un délai de 24 à 48 heures…
Le Dr Girish Nadkarni, du Mount Sinai, résume le problème avec une économie de mots qu’on appréciera : « Les gens vont demander des diagnostics à un outil qui a accès à l’intégralité de leur dossier médical, parce que c’est dans la nature humaine. »
Il y a dans cette ruée quelque chose qui ressemble à la logique des réseaux sociaux des années 2010 : offrir gratuitement un service pratique, accumuler les données, monétiser plus tard. Sauf que le fil d’actualité qu’on vous recommande, cette fois, c’est l’état de votre pancréas.
Le médecin-concierge qui soigne Mustafa Suleyman a le secret professionnel, une responsabilité juridique personnelle, et vingt ans de formation. Copilot Health a 230 médecins consultés, une certification ISO/IEC 42001, et une clause de non-responsabilité.
D’un côté, le serment d’Hippocrate. De l’autre, le serment d’hypocrite.
Source
J’infère donc je suis
Pendant des années, la question était simple : qui fabrique les puces destinées à entraîner les modèles d’IA ? La réponse aussi : Nvidia, avec 80% de parts de marché et une liste d’attente qui s’étendait sur des trimestres.
L’entraînement, c’était son territoire, son monopole, son confort.
À la GTC 2026, sa conférence annuelle à San José, devant 30 000 participants issus de 190 pays, Jensen Huang a changé de sujet. L’inférence est désormais le centre du champ de bataille.
L’inférence, pour le dire simplement, c’est le fonctionnement quotidien des modèles : les milliards de requêtes, les agents en action, les tokens qui s’enchaînent 24 heures sur 24 sur les serveurs de production.
Huang l’a dit sans détour : « Inference inflection has arrived. » Et avec elle, selon ses calculs, 1 000 milliards de dollars de commandes en vue d’ici 2027, soit le double de ses prévisions de novembre dernier.
Pour tenir cette promesse, Nvidia a sorti la plateforme Rubin, qui affiche une inférence 10 fois moins coûteuse que Blackwell, et racheté Groq, dont les puces dédiées à l’inférence atteignent 1 500 tokens par seconde. Trois mois entre la signature et le premier produit commun.
C’est le rythme d’une entreprise qui sent le terrain se dérober.
Enjeux et perspectives
Le pivot n’est pas anodin. Sur l’entraînement, personne ne rivalise sérieusement avec Nvidia. Sur l’inférence, le paysage est différent. La compétition est rude.
Google déploie ses TPU, Amazon son Trainium, Microsoft investit dans ses propres architectures custom. Ces entreprises sont à la fois les meilleures clientes de Nvidia et ses concurrentes les plus directes.
GTC 2026 n’était pas une conférence sur les puces. C’était une tentative de verrouiller l’écosystème avant que ses propres clients ne l’affranchissent.
CUDA est au cœur de cette stratégie défensive. Ce framework, qui fête ses 20 ans cette année, est ce qui rend les GPU Nvidia indispensables : des décennies de code, de workflows et d’habitudes construites dessus. Huang l’a qualifié de « flywheel » de l’informatique accélérée. La roue tourne, les développeurs restent, les clients aussi.
Pour l’instant.
Les plus grands hyperscalers consacrent entre 30 et 50% de leurs levées de fonds à l’achat de compute, majoritairement Nvidia. Ce sont leurs propres investisseurs qui financent indirectement les revenus de Jensen Huang. La question n’est pas de savoir si cette dépendance est soutenable. C’est savoir qui cligne des yeux en premier.
Huang a mentionné en passant que 100 % des employés de Nvidia utilisent désormais des outils de codage basés sur l’IA au quotidien. Même l’entreprise qui fabrique les pelles automatise ses propres mineurs.
Dans la ruée vers l’or de l’inférence, Nvidia veut vendre les pioches, les mines, le terrain et l’assurance. L’empire s’étend.
Ses vassaux s’arment.
Source
Le diable parle français
Jensen Huang, encore lui, a animé une table ronde à la GTC 2026 avec les fondateurs de sa nouvelle coalition. Arthur Mensch, PDG de Mistral, était là pour défendre l’open source devant 30 000 personnes. Huang s’est amusé de son accent français. Mensch a encaissé et a parlé de transparence, d’accessibilité, de modèles que tout le monde peut adapter.
La salle l’a applaudi. Huang souriait.
C’est dans ce contexte que Mistral a publié trois annonces en une journée.
Une place de membre fondateur dans la coalition Nemotron, aux côtés de Cursor, de Perplexity et de Thinking Machines, de Mira Murati. Puis Mistral Small 4, un modèle qui fusionne le raisonnement, la vision et le code agentique en un seul outil. Et enfin Leanstral, un agent qui ne se contente pas d’écrire du code : il en prouve mathématiquement l’exactitude.
Arthur Mensch a confirmé que Mistral est en bonne voie pour dépasser un milliard d’euros de revenus annuels en 2026. Les premiers clients de Mistral Forge : ASML, Ericsson, l’Agence spatiale européenne.
Trois ans après sa création, la startup parisienne, valorisée à 11,7 milliards d’euros, ne cherche plus à être l’alternative européenne.
Elle veut devenir une infrastructure.
Enjeux et perspectives
Le deal est simple à comprendre, mais difficile à accepter.
Mistral apporte ses cerveaux. Nvidia fournit les muscles : le premier modèle de la coalition sera entraîné sur le cloud DGX de Santa Clara. Chaque adoption de Nemotron correspond à un GPU vendu. Chaque client de Mistral Forge tourne sur une infrastructure Nvidia.
Mistral investit en parallèle dans ses propres serveurs en France et en Suède, afin que ce partenariat reste un choix plutôt qu’une nécessité.
La nuance est fine mais essentielle.
Mistral a construit sa réputation sur une promesse : une IA souveraine, transparente, qui échappe à l’emprise américaine. Arthur Mensch le répète depuis trois ans dans toutes les capitales européennes. Sauf que le cloud DGX est américain. Les outils de génération de données synthétiques sont américains. Et les conditions d’exportation des puces Nvidia dépendent du bon vouloir du Département du Commerce de Washington.
Ce qui s’est passé sur scène à San Jose dit quelque chose que les communiqués de presse ne disent pas. L’Européen a les idées. L’Américain a la salle, les puces et le chèque. Mistral a obtenu un siège à la table. La table appartient à Nvidia. Les deux ont pourtant raison en même temps.
L’open source comme levier de souveraineté pour les uns. L’open source comme levier de verrouillage matériel pour l’autre. C’est le même mot pour deux stratégies parfaitement opposées.
Et pour l’instant, elles avancent ensemble.
Source
L’atome souverain
Pendant que la Silicon Valley s’excite sur des interfaces colorées, la Suisse vient de braquer le casino du hardware.
À Zurich, RISC-V International ne se contente pas d’exister, elle s’est installée en Suisse précisément pour échapper aux lois d’exportation américaines. Quand Huawei a été mis sur la liste noire américaine, les ingénieurs ont compris que l’architecture d’un processeur pouvait devenir une arme diplomatique.
C’est un acte de sécession technique.
Le projet repose sur une architecture open source : le plan de montage d’un cerveau électronique que personne, ni Washington, ni Pékin, ne peut verrouiller par un embargo ou une licence abusive.
À une époque où les puces sont les nouveaux barils de pétrole, la neutralité suisse s’offre un blindage en silicium.
Enjeux et perspectives
Ce qui s’échafaude ici, c’est l’infrastructure d’une liberté réelle.
ETH Zurich a déjà fabriqué plus de 50 ASICs open source via la plateforme PULP. Fin 2025, son processeur Snitch, à architecture RISC-V, affichait des gains de performance de x6 et une efficacité énergétique multipliée par 3,5.
Quand ETH Zurich a sorti Snitch, personne n’a eu besoin de demander la permission à Santa Clara.
Aujourd’hui, l’IA est une tour de Babel bâtie sur un terrain loué à Nvidia ou ARM. Demain, grâce à RISC-V, nous pourrons disposer des fondamentaux. On permettra à une industrie locale de concevoir ses propres moteurs de calcul sur mesure, sans payer de taxes coloniales aux géants propriétaires de licences.
L’Europe l’a compris : 120 millions d’euros ont déjà été engagés par l’UE pour bâtir un écosystème souverain autour de cette architecture. La Suisse n’est pas seule, mais elle en est le pivot institutionnel.
L’analogie avec le CERN est naturelle. Il s’agit de transformer la puissance de calcul en un bien commun, en une ressource universelle et transparente. En maîtrisant le design à l’échelle du nanomètre, la Suisse rappelle au monde que l’IA ne peut être souveraine que si elle est ancrée dans une physique libérée de toute tutelle.
On sort enfin de la magie marketing pour revenir à la noblesse de l’atome. Si l’on veut une IA qui respecte la sphère privée, il faut d’abord que la machine qui l’héberge n’ait pas de porte dérobée.
Zurich vient de forger la clé.
La souveraineté ne se décrète pas dans des traités, elle se grave au laser dans le silicium.
Source
T’es pas KPI
Pour Michael Rousse, CTO de Ringover, les entreprises continuent de piloter leurs équipes IT avec des indicateurs conçus pour mesurer la stabilité d’une infrastructure, plutôt que la valeur produite par une organisation qui intègre de l’IA.
Que se passe-t-il réellement quand un modèle automatise 40% des demandes de support, libère des ingénieurs pour des missions plus complexes et accélère le time-to-market d’une fonctionnalité critique ?
Ces gains existent, mais n’apparaissent nulle part dans le tableau de bord.
Le chiffre qui rend le problème concret vient de l’International Data Corporation : 70% des DSI déclarent que neuf projets d’IA développés en interne sur dix ne passent jamais en production. Et beaucoup admettent ne pas savoir si leurs prototypes atteignent les KPI qui leur ont été assignés.
On dépense des millions en expérimentations dont personne n’est capable de mesurer le succès. Le tableau de bord est au vert alors que l’organisation tourne à vide. Certaines structures affichent des taux de disponibilité exemplaires tout en laissant tourner plus de 40% de leurs serveurs sur des versions non supportées.
Solides sur les chiffres, vulnérables dans les faits.
Enjeux et perspectives
La vraie tension est politique. Tant que l’IT est pilotée comme un centre de coûts, les indicateurs qui comptent pour la direction sont ceux qui attestent de la maîtrise des dépenses et de la stabilité des systèmes.
Introduire des métriques de valeur créée, d’adoption réelle, de vitesse de transformation, c’est demander à l’IT de se revendiquer comme levier stratégique. Beaucoup de DSI ne sont pas mandatés pour faire ce pas.
Dans les organisations où l’IA commence à produire des effets mesurables, les DSI qui savent les chiffrer en langage business gagnent en influence. Ceux qui restent dans le registre opérationnel se retrouvent progressivement court-circuités par des directions métier qui déploient leurs propres outils sans passer par la DSI.
Le shadow IT de 2026 ne ressemble plus à un employé qui installe Dropbox sur son ordinateur. Il ressemble à une direction marketing qui signe directement un contrat avec OpenAI. On parle de mesurer la valeur de l’IA au sein de l’entreprise, au moment précis où la majorité des organisations est incapable de déterminer si leurs propres projets d’IA produisent quoi que ce soit.
Pour l’instant, selon IDC, un tiers des DSI interrogés ne le sait pas.
Pourtant les métriques existent. Quel pourcentage des équipes métier utilise réellement l’outil déployé six mois après son lancement ? Combien de décisions ont été prises grâce aux recommandations d’un modèle et combien ont été ignorées ? À quelle vitesse un prototype passe-t-il en production et avec quel impact mesurable ?
Ce ne sont pas des KPI complexes. Ce sont les questions que personne ne pose encore.
Source
You give me fever
George Hudson siégeait au Parlement britannique dans les années 1840. Il encourageait la déréglementation du secteur ferroviaire qu’il pillait, versait des dividendes aux actionnaires avec l’argent des nouveaux investisseurs, et présidait l’enregistrement de plus de cinquante compagnies ferroviaires en quatre mois. Les projections de revenus étaient surestimées de 50% : les lignes ne généreraient jamais ce qu’il promettait.
Tout le monde savait que ça n’avait aucun sens, mais personne ne voulait rater le train.
Quand la bulle a éclaté, Hudson s’est enfui en France.
Cent quatre-vingts ans plus tard, OpenAI vaut 730 milliards de dollars (le double de sa valorisation de mars 2025), perd plusieurs milliards par an et prévoit de brûler 218 milliards de trésorerie d’ici 2029 avant d’atteindre la rentabilité.
Amazon, Google, Meta et Microsoft s’apprêtent à dépenser plus de 600 milliards en infrastructures d’IA en 2026 : soit, à quelques dizaines de milliards près, le PIB trimestriel de la France.
Le mécanisme est d’une élégance comptable rare.
Microsoft investit près de 14 milliards dans OpenAI ; OpenAI contractualise 250 milliards d’achats sur Azure ; Azure les comptabilise comme des revenus. L’argent tourne, gonfle les chiffres, justifie les valorisations. Le circuit ne s’arrête pas là : Anthropic achète 30 milliards de compute Azure, reçoit en retour des milliards de Nvidia et Microsoft. Bloomberg a donné un nom à cette mécanique : les circular deals. Ce n’est pas un terme de comptabilité créative. C’est la définition.
Sam Altman a admis que les investisseurs étaient « surexcités ». Sundar Pichai a évoqué des comportements « irrationnels ». Zuckerberg a reconnu les caractéristiques d’une bulle, tout en annonçant des investissements record. Puis Altman a levé 110 milliards supplémentaires.
Tout le monde sait. Tout le monde continue.
Enjeux et perspectives
68% des PDG prévoient d’investir encore davantage dans l’IA en 2026, selon le cabinet Teneo, même si moins de la moitié de leurs projets actuels génèrent des bénéfices. La peur de rater le virage est devenue une stratégie d’entreprise. C’est exactement le carburant que Hudson utilisait : personne ne voulait être celui qui avait vendu ses actions ferroviaires trop tôt.
Les bulles technologiques ont toujours abrité des fraudes, car l’euphorie collective désactive les réflexes de vérification. Hudson pouvait maquiller ses comptes parce que les normes comptables de 1845 laissaient une liberté totale. Madoff a prospéré parce que la bulle dotcom rendait ses rendements plausibles.
La bulle de l’IA n’a pas encore livré son Madoff, mais le terrain est prêt.
Itay Goldstein, expert des crises financières, pointe une différence structurelle avec les précédentes : les Magnificent Seven représentent désormais 34,3 % du S&P 500, leur concentration la plus élevée depuis un demi-siècle.
Quand la bulle dotcom a éclaté en 2000, les ménages n’ont pas perdu leur maison. Cette fois, les fonds de pension, les plans d’épargne-retraite et les portefeuilles passifs sont en première ligne, y compris ceux de gens qui ne savent même pas qu’ils sont exposés.
Ce qui distingue cette fièvre des précédentes, c’est que les malades ont eux-mêmes posé le diagnostic. Altman, Pichai, Zuckerberg ont tous prononcé le mot.
Hudson ne l’avait jamais fait. Madoff non plus.
Ici, la conscience du risque est intégrée au discours de vente. L’histoire ne se répète pas, elle bégaie, mais avec des zéros supplémentaires.
Source
Il suffira d’un signe
Les lignes de Nazca ont été tracées il y a deux millénaires dans le désert péruvien par une civilisation qui n’avait aucun moyen de voler. Des figures monumentales, certaines de plusieurs centaines de mètres, représentant des oiseaux, des singes, des araignées, visibles uniquement depuis le ciel.
Les archéologues ont toujours buté sur les mêmes questions : pourquoi et pour qui ?
Un siècle d’exploration humaine avait permis d’identifier 430 géoglyphes figuratifs sur le plateau de Nazca. Pas un de plus.
En six mois, une IA développée conjointement par l’Université de Yamagata et IBM Research en a trouvé 303 supplémentaires. Le modèle, entraîné sur des images aériennes à haute résolution, repère des contrastes imperceptibles à l’œil humain dans la texture du sol désertique.
En trois millisecondes, il détecte, estime la forme, propose une zone à inspecter. Le taux de découverte a été multiplié par 16, selon une étude publiée dans PNAS, la revue de l’Académie nationale des sciences américaine. Un détail mérite d’être souligné : l’IA a produit une liste de 1 309 sites candidats. Les chercheurs en ont confirmé 303 en allant vérifier sur le terrain.
Les 1 000 restants attendent.
Masato Sakai, l’archéologue de Yamagata qui dirige le projet depuis 2004, marche toujours dans le désert. Ce que des générations d’archéologues n’avaient pas vu en cent ans, la machine l’a trouvé avant le déjeuner. Reste à savoir ce que ça signifie.
Enjeux et perspectives
Ce n’est pas la première fois que l’IA retourne nos archives.
Elle a déchiffré des papyrus carbonisés lors de l’éruption du Vésuve dans le cadre du Vesuvius Challenge : des rouleaux d’Herculanum si comprimés et si fragiles que les ouvrir signifiait les détruire. Plus de 2 000 caractères lisibles ont été extraits sans qu’un seul doigt ne touche le parchemin.
Elle a révélé des cités mayas et amazoniennes sous la canopée grâce au LiDAR, dont certaines, datant de 2 500 ans, étaient ignorées parce qu’aucun œil ne pouvait percer le couvert végétal.
Le pattern est toujours le même : l’humain cherche depuis des décennies, accumule des données qu’il n’a pas le temps de traiter, et la machine balaie en quelques mois ce que personne n’avait vu.
Ce qui se joue ici dépasse Nazca. Nous sommes assis sur des siècles d’archives inexploitées : des millions de pages de manuscrits médiévaux, des milliers de sites archéologiques cartographiés mais non fouillés, des bibliothèques entières de données satellitaires accumulées depuis les années 1970.
L’IA ne découvre pas ces trésors. Elle les exhume. La matière était là. C’est le regard qui manquait.
Sakai le dit sans détour : sans vérification humaine, ces chiffres ne valent rien. La machine voit des formes. Elle ne sait pas si ce sont des géoglyphes, des accidents géologiques ou des ombres portées d’une dune.
L’IA propose. L’archéologue dispose.
La signification des lignes de Nazca reste aussi mystérieuse après cette découverte qu’avant. Calendrier astronomique, chemins de pèlerinage, art rituel ? Les hypothèses s’accumulent depuis un siècle sans qu’aucune ne s’impose. 303 nouveaux géoglyphes, c’est 303 nouvelles questions.
L’IA a trouvé les signes. Elle n’a pas trouvé le code. Les Nazcas ont dessiné pour un regard qui n’existait pas encore.
Cet œil est enfin arrivé, deux millénaires plus tard, mais il ne sait toujours pas ce qu’il contemple.
Source
App sous le radar : PaperAI
Le pitch
Un scanner de documents mobile qui a fait de la vie privée non pas un argument marketing mais le produit lui-même. On pointe son téléphone sur une facture, un contrat ou un courrier : l’app capture, génère un PDF identifiable par OCR, propose un titre, identifie l’expéditeur et la date, et colle des tags. Tout ça sur l’appareil, sans qu’un seul octet ne quitte le téléphone. Si l’on opte pour l’analyse cloud, le document est traité sur des serveurs en Allemagne, puis supprimé immédiatement. On peut aussi brancher son propre Ollama ou n’importe quelle autre API compatible avec OpenAI. Développé en Europe, disponible sur iOS et Android, noté 4,2 sur les stores.
Pour qui ?
Celui qui croule sous la paperasse physique et veut passer au zéro papier sans confier ses contrats à Adobe ni ses factures à Microsoft. Indépendants, professions libérales, PME qui ont compris que leurs documents sont leur actif le plus sensible. Pas un outil d’entreprise : clairement positionné pour les structures qui n’ont pas une DSI pour gérer leurs risques à leur place.
Les plus
L’OCR tourne entièrement sur l’appareil, sans connexion requise, avec des performances comparables à celles d’un scanner hardware selon ses propres tests. Le chiffrement est dit « zero-knowledge » : même l’éditeur ne peut pas lire vos documents. Le stockage cloud est en Allemagne, conforme au RGPD, et n’est pas exposé au Cloud Act américain. L’intégration Ollama permet de faire tourner l’analyse sur un modèle local. Pas de publicité, pas de revente de données : le modèle économique repose sur un abonnement.
Les moins
Le revers du zéro-connaissance : mot de passe oublié, documents définitivement perdus. L’app reste peu connue, la communauté est mince et les retours d’expérience en production sont rares. L’interface est moins mature qu’Adobe Scan ou Microsoft Lens. Pas d’intégration native avec Notion, Drive ou les outils courants.
Verdict
Dans un monde où Adobe aspire vos contrats vers ses clouds californiens et Microsoft indexe vos courriers dans Azure, PaperAI fait figure d’anomalie tranquille. Ce n’est pas spectaculaire. C’est juste une app qui fait ce qu’elle promet, avec vos données qui restent les vôtres. C’est devenu suffisamment rare pour mériter d’être signalé.
Source
Contient le chapitre 1 en entier !
