Publication du 12 avril 2026
Edition n°49
Cette semaine, deux images se sont superposées sans se toucher.
Quatre astronautes à bord d’Orion ont bouclé le premier vol habité autour de la Lune depuis Apollo 17, à plus de 400 000 kilomètres de la Terre.
Pendant dix jours, l’IA a veillé discrètement sur eux. Des modèles de machine learning ont surveillé les orages solaires, analysé les constantes physiologiques de l’équipage en temps réel et guidé la rentrée atmosphérique à 38 400 km/h.
Mission accomplie.
Le même jour, Anthropic enfermait à double tour Claude Mythos, avec un communiqué inhabituellement sobre : ce nouveau modèle ne sera pas rendu public. Trop dangereux.
Dans des tests internes, il a trouvé des milliers de failles zero-day dans Linux et Firefox, dont certaines datent de 27 ans. Lors d’un test d’évasion, il s’est échappé de son sandbox, a contacté un chercheur absent et aurait publié en ligne les détails de son exploit. Juste pour prouver qu’il pouvait.
D’un côté, une IA qui aide des humains à s’affranchir de la gravité. De l’autre, une IA qu’on enferme parce qu’elle sait trop bien comment tout faire tomber.
La même semaine. La même technologie.
Bienvenue dans le monde de demAIn, un monde où l’IA dessine simultanément les ailes de l’humanité et les plans de sa vulnérabilité.
Sam à la barre
Imaginez la scène.
L’homme qui a levé des centaines de milliards pour construire la machine la plus puissante de l’histoire convoque la presse, sort treize pages de sa poche et explique, avec le sérieux d’un médecin annonçant un diagnostic, que le capitalisme tel qu’on le connaît ne survivra pas à ce qu’il est en train de fabriquer.
Cyberattaques d’envergure historique probables au cours de l’année. Agents pathogènes synthétisés par des groupes terroristes, IA autonomes capables de se répliquer et qu’on ne pourrait plus arrêter. La superintelligence est en route et elle va tout bouleverser.
Sam Altman dit tout cela, puis retourne lever des fonds.
Le document s’appelle «Industrial Policy for the Intelligence Age: Ideas to Keep People First». Il propose un fonds souverain alimenté en partie par les entreprises d’IA, une taxe sur le travail automatisé, une semaine de quatre jours à salaire plein, un accès universel à l’IA érigé au rang de droit fondamental, au même titre que l’électricité ou l’alphabétisation.
Dans son passage le plus glaçant, le texte reconnaît des scénarios où des systèmes dangereux «ne peuvent pas être facilement contenus». La réponse proposée : de la coordination et du dialogue.
Un groupe de travail, probablement.
Altman a choisi Axios pour diffuser l’interview exclusive. Axios a conclu un accord de licence commerciale avec OpenAI. Cette précision figure en bas de page, en petits caractères. Le document, lui, est présenté comme «un point de départ, pas une prescription».
Aucun chiffre. Aucun calendrier. Aucun mécanisme contraignant. Treize pages qui ressemblent moins à un contrat social qu’à une liste de souhaits formulée par celui qui sait mieux que quiconque qu’aucune de ces mesures ne sera adoptée avant que la disruption soit consommée.
Enjeux et perspectives
Sam Altman n’a pas que des amis. En avril, il sera face à Elon Musk devant un tribunal, une bataille judiciaire qui promet d’être aussi spectaculaire que leur rupture publique.
Et pendant qu’il publie son « new deal » , le New Yorker sort une enquête au long cours fondée sur plus de cent entretiens et des mémos internes d’Ilya Sutskever, cofondateur d’OpenAI qu’Altman a poussé vers la sortie.
Dario Amodei, autre cofondateur parti fonder Anthropic après en avoir assez vu, y est cité dans une note privée conservée pendant des années : «Le problème chez OpenAI, c’est Sam lui-même.»
Un cadre de Microsoft confie aux journalistes qu’il existe «une probabilité faible mais réelle» qu’Altman soit «un jour considéré comme un Bernie Madoff».
Le timing des treize pages est d’autant plus intéressant.
Anthropic avait occupé ce terrain en premier : l’entreprise responsable, celle qui avertit, celle qui pose des garde-fous pendant que les autres accélèrent.
Altman arrive pour reprendre la main sur ce récit. La manœuvre est lisible ; elle n’en est pas moins efficace. Se poser en architecte de la protection sociale contre les effets de sa propre technologie est, en 2026, la meilleure position sur le marché réglementaire.
Cela permet de façonner les règles avant que les règles ne vous façonnent. Anthropic a inventé le costume et Altman l’a commandé en trois exemplaires.
Retirez le storytelling, il reste l’os.
Un fonds souverain pour amortir les destructions massives d’emplois. Des protocoles de confinement pour des machines hors de contrôle. Des filets de sécurité à déclenchement automatique. Altman ne décrit pas un avenir incertain ; il décrit un avenir qu’il juge suffisamment probable pour y consacrer treize pages.
L’homme à la barre annonce la tempête, ajuste le cap et continue d’envoyer les voiles.
Source
Licorne cherche licorne
Aravind Srinivas n’est pas le genre de fondateur qui mâche ses mots.
Le patron de Perplexity AI, 31 ans, ex-chercheur chez Google Brain, DeepMind et OpenAI, milliardaire depuis octobre dernier grâce à une valorisation de 21 milliards de dollars, bâtie en trois ans sur les ruines promises de Google Search, a une conviction chevillée au corps : un agent autonome devrait suffire à bâtir une entreprise.
Pour le prouver, il a décidé de la faire construire par les autres.
Le «Billion Dollar Build» dure huit semaines. Les participants utilisent Perplexity Computer, son agent capable d’orchestrer dix-neuf modèles d’IA simultanément, pour bâtir une vraie boîte avec de vrais utilisateurs et de la vraie traction.
Les dix finalistes pitchent en live le 9 juin, avec à la clé : un million de dollars d’investissement, plus un million de dollars de crédits computer.
Ce que Srinivas cherche vraiment, c’est l’entreprise où deux fondateurs font le travail de cinquante salariés. Il appelle ça «une nouvelle possibilité».
En mars, sur le podcast All-In, il appelait les destructions massives d’emplois dues à l’IA un «Glorious future». La cohérence, au moins, est entière.
En interne, Computer aurait généré 1,6 million de dollars d’économies en quatre semaines et accompli l’équivalent de 3,25 années de travail humain. Ces chiffres viennent de Perplexity. Personne d’autre ne les a vérifiés.
Pour illustrer le potentiel, Srinivas cite quelques idées inspirantes : un agent de relocation complet, un coordinateur de soins pour les parents âgés, un CFO autonome pour les freelances, un studio de localisation en 30 langues. Des secteurs entiers réduits à une ligne de prompt.
C’est beau comme programme.
Enjeux et perspectives
Perplexity vise 656 millions de dollars de revenus annuels d’ici fin 2026, soit une croissance de 230 % sur un an. Computer pour entreprises, lancé deux semaines après la version grand public, est conçu comme un élément moteur.
Le concours «Billion Dollar Build» génère de la preuve sociale, des cas d’usage réels, du contenu viral, et une base de fondateurs ayant accepté de construire leur entreprise sur l’infrastructure Perplexity.
C’est autant du capital stratégique que financier, et le tout à prix coûtant, mais une petite ligne dans les conditions mérite qu’on s’y attarde.
Il faut disposer d’un abonnement Max ou Pro actif avant le 14 avril. Le Max coûte 200 dollars par mois. Et pour concourir sérieusement, il faut une entreprise enregistrée aux États-Unis. Le grand concours ouvert à la planète entière pour démocratiser l’entrepreneuriat est donc, dans les faits, réservé aux abonnés premium installés sur le bon continent.
La licorne a ses critères de sélection génétique.
Perplexity est basé sur des modèles tiers et n’en possède aucun. Ses fournisseurs sont aussi ses concurrents, et sa survie dépend de leur bon vouloir. Alors quand Srinivas offre deux millions de dollars à des fondateurs pour qu’ils construisent leur entreprise sur son infrastructure, il faut lire la transaction dans les deux sens.
Les lauréats gagnent un chèque, mais Perplexity gagne la seule chose qu’il ne peut pas s’acheter : la crédibilité.
Source
L’ordonnance de trop
Matthew Gallagher a grandi dans une caravane. Il n’a ni diplôme ni réseau ni investisseurs.
En septembre 2024, il lance Medvi avec 20 000 dollars et son frère comme seul employé. Medvi vend des traitements GLP-1, ces médicaments contre l’obésité devenus l’obsession sanitaire de l’Amérique. Un an plus tard, la plateforme affiche 401 millions de dollars de chiffre d’affaires et une rentabilité de 16 %, un niveau que des concurrents comptant des milliers de salariés n’atteignent pas.
L’histoire serait belle si elle s’arrêtait là.
Pour lancer sa machine marketing, Gallagher a créé plus de 800 faux comptes Facebook se faisant passer pour des médecins. Des profils inventés, des visages générés, des recommandations médicales signées par des personnes qui n’existent pas.
La plateforme entière s’appuie sur ChatGPT, Claude, Grok, Midjourney, Runway et ElevenLabs. La partie médicale est externalisée via CareValidate et OpenLoop Health, deux plateformes américaines qui promettent à leurs clients d’être « live en quelques jours », avec un réseau de médecins et le routage des ordonnances inclus.
Gallagher ne prescrit rien, n’embauche personne et ne possède aucune infrastructure.
Il orchestre.
Le chatbot maison a quand même déraillé en cours de route. Mauvais prix affichés, produits inexistants recommandés aux patients. Matthew Gallagher a corrigé manuellement, ajusté les paramètres et continué son petit business.
Dans le secteur de la santé, une mauvaise configuration peut affecter des milliers de patients en quelques heures. Il le savait mais a maintenu le cap.
Enjeux et perspectives
Ce que Medvi démontre dépasse le cas Gallagher. Pendant des décennies, la santé a servi de rempart contre la disruption technologique : trop réglementée, trop risquée, trop humaine pour être automatisée.
Les frères Gallagher viennent de prouver que ce rempart tient surtout parce que personne n’avait encore vraiment essayé de le contourner. Avec les bons outils, une architecture minimaliste et une tolérance au risque réglementaire que peu d’entrepreneurs raisonnables s’autoriseraient, on arrive à 401 millions en douze mois.
Le modèle repose sur une hypothèse tacite : personne ne regardera de trop près.
Les 800 faux médecins de Facebook ont fonctionné jusqu’à ce que le New York Times les expose. Le chatbot qui invente des produits inexistants a fait le job jusqu’à ce que des patients le remarquent. Dans un secteur où l’erreur se mesure en vies humaines et non en taux d’abandon de panier, l’absence de question est déjà une réponse.
L’histoire vraiment inquiétante n’est pas celle d’un autodidacte sans scrupules qui a trouvé une faille. C’est qu’il y a, en ce moment même, des dizaines de Gallagher en train de faire la même chose en psychiatrie, en pédiatrie, en gériatrie, avec les mêmes outils et le même rapport à l’ordonnance.
Le premier a simplement eu le tort de se faire remarquer.
Source
Panne sèche
Google, Amazon, Meta et Microsoft ont prévu d’injecter plus de 650 milliards de dollars dans leurs infrastructures d’IA en 2026. C’est le chiffre que les directions financières brandissent devant les actionnaires, les gouvernements et les marchés.
Sauf que l’argent ne suffit pas à alimenter un data center. Il faut aussi du courant. Et là, le scénario se complique.
Sur les 12 gigawatts annoncés, un tiers est en construction. Le reste attend.
Le goulot d’étranglement n’est pas du côté des puces ni des serveurs : ce sont les transformateurs à haute tension, les systèmes de distribution électrique, les raccordements au réseau , des équipements dont les délais de livraison s’étendent parfois de trois à cinq ans, selon les composants.
La capacité de fabrication américaine reste structurellement insuffisante, malgré les tarifs douaniers de l’administration Trump censés rapatrier la production. En attendant, les géants de la tech continuent de s’approvisionner en Chine.
Le découplage technologique a ses limites physiques.
La situation est d’autant plus paradoxale que les délais d’attente pour un raccordement au réseau peuvent atteindre sept ans. Sept ans ! Dans un secteur où les cycles de déploiement dépassent rarement les dix-huit mois, c’est une équation impossible.
Alors l’industrie cherche des contournements, et elle en a trouvé un : les batteries géantes.
Enjeux et perspectives
Les BESS, ces systèmes de stockage industriels capables d’alimenter un data center pendant une à deux heures, sont en train de changer de rôle.
Leur vocation première était l’arbitrage tarifaire : acheter l’électricité quand elle est bon marché, puis la revendre quand les prix montent. Leur nouvelle fonction est plus stratégique.
En acceptant des accords de connexion interruptible plutôt que garantis, les opérateurs de data centers peuvent obtenir un raccordement en quelques mois plutôt qu’en plusieurs années. Les batteries absorbent les coupures, stabilisent l’alimentation, et transforment une contrainte réglementaire en avantage concurrentiel.
Un site au Texas est déjà commercialisé avec 1 gigawatt électrique adossé à 1 gigawatt de stockage batterie. Selon un rapport de ResearchAndMarkets publié début avril, le marché mondial du stockage pour les data centers d’IA devrait atteindre entre 4 et 6 milliards de dollars d’ici 2030, contre 1,2 milliard en 2025.
Mais le problème de fond reste entier. Les batteries stockent l’énergie, elles ne la produisent pas. Contourner la file d’attente du réseau ne règle pas la pénurie de production électrique, cela la déplace.
Dans les zones à forte concentration de centres de données, les factures résidentielles ont déjà bondi de 8 à 15 %. Goldman Sachs anticipe une nouvelle hausse de 6% entre 2026 et 2027. En Géorgie, deux élus républicains de la commission de régulation de l’énergie ont perdu leur siège en novembre dernier, précisément sur ce sujet.
Les midterms 2026 s’annoncent, pour la première fois, partiellement arbitrés par la consommation électrique des data centers.
La fabrication des batteries reste par ailleurs fortement dépendante de la Chine pour ses composants essentiels. L’industrie qui cherche à s’affranchir du réseau électrique américain le fait en recourant au lithium chinois, dans des équipements assemblés en Chine, pour contourner des règles dont l’objectif affiché est précisément de réduire cette dépendance.
Il semblerait que le plan B ait ses propres angles morts.
Sources
Sur la tête de ma mère
Une étude menée conjointement par Microsoft et l’université Carnegie Mellon auprès de 319 travailleurs du savoir vient de mesurer ce que beaucoup pressentaient sans vouloir se l’avouer.
Plus un utilisateur fait confiance à l’IA, moins il mobilise ses facultés de jugement.
Les participants n’ont exercé un regard critique sur les réponses reçues que dans 60% des cas, et encore : il s’agissait surtout de vérifier la mise en forme, pas de remettre en question le fond. La production de raisonnement original a cédé la place à la supervision d’un raisonnement délégué.
On ne pense plus, on relit.
Ce glissement a un nom dans la littérature scientifique : l’«effet d’autorité des machines». Plus une interface paraît sophistiquée, plus la confiance qu’on lui accorde tend vers l’inconditionnel.
Plusieurs études en sciences cognitives le documentent désormais : chez certains utilisateurs intensifs, les premiers signes d’une atrophie des réflexes analytiques, à force de ne plus les solliciter. Descartes disait : «Je pense, donc je suis ». En 2026, la formule serait plutôt «J’ai demandé à ChatGPT, donc c’est vrai».
Le paradoxe est que les utilisateurs ne se perçoivent pas comme crédules.
Selon l’étude Microsoft/Carnegie Mellon, les participants déclaraient majoritairement s’interroger sur la fiabilité des réponses. Dans les faits, ils ne le faisaient que dans 60% des cas, et de moins en moins à mesure que leur confiance dans l’outil augmentait.
La vigilance déclarée et la vigilance réelle sont deux animaux différents.
Enjeux et perspectives
Ce que révèle l’étude, c’est une transformation structurelle du rapport au savoir.
La pensée critique ne disparaît pas, elle change de forme. De la collecte d’informations, elle passe à la vérification, de la résolution de problèmes à l’intégration des réponses produites par la machine, de l’exécution à la relecture.
En apparence, le travailleur reste dans la boucle. En pratique, il en surveille la sortie sans en contrôler l’entrée.
Apparemment, ceux qui résistent le mieux à cette dérive sont précisément ceux qui ont le plus confiance en leurs propres capacités intellectuelles. L’IA renforce les forts et affaiblit les faibles.
Dans les entreprises comme Accenture ou McKinsey, qui ont rendu l’usage des outils d’IA obligatoire, cette dynamique mérite d’être posée franchement : qu’est-ce qu’on mesure exactement quand on suit les métriques d’adoption ? La productivité, certainement, mais l’atrophie progressive du jugement des collaborateurs, beaucoup moins.
À plus long terme, le problème n’est plus la confiance en l’IA, mais notre capacité à douter. Une génération formée à déléguer le raisonnement avant d’avoir appris à le produire est une génération qui n’aura jamais développé le muscle qu’elle sous-traite.
Sur la tête de ta mère ou non, une réponse rapide reste une réponse.
La vérifier ? C’était avant.
Source
Faites vos preuves
Il y a une scène célèbre dans Game of Thrones. Saison 8, épisode 4 : un gobelet de café Starbucks traîne sur la table de festin de Winterfell, bien visible à l’image, en plein Moyen Âge fantastique.
La bourde a fait le tour du monde et le bonheur de Starbucks.
Des équipes de VFX ont passé des heures à l’effacer, image par image. Avec VOID, quelques clics auraient suffi. Et la surface de la table aurait repris l’aspect qu’elle avait avant que le gobelet n’y soit posé, y compris les reflets, les ombres, la texture du bois.
VOID signifie «Video Object and Interaction Deletion».
L’outil a été développé par des chercheurs de Netflix et de l’université INSAIT de Sofia, publié début avril sur ArXiv et mis gratuitement à disposition sur Hugging Face sous licence Apache 2.0. Attention! Il ne faut pas confondre cet outil avec un vulgaire générateur de vidéos.
C’est un effaceur de réalité.
Là où les outils traditionnels suppriment un objet et remplissent le vide avec une texture statique, VOID recalcule ce qui aurait dû se passer physiquement en l’absence de cet objet. Supprimez une voiture d’un accident : la route redevient propre, sans débris ni fumée, comme si la collision n’avait jamais eu lieu. Supprimez un plongeur : la piscine reste lisse, sans remous ni éclaboussures.
C’est la physique qui est réécrite, pas seulement l’image.
Dans un test de préférence humaine mené auprès de 25 participants, VOID a été choisi dans 64,8 % des cas. Runway, son principal concurrent commercial et l’une des startups les mieux financées du secteur, n’a recueilli que 18,4% des préférences.
C’est le premier outil IA open source jamais publié par Netflix Research. L’entreprise ne l’utilise pas encore dans ses propres productions. Elle l’a quand même mis à disposition de tout le monde.
Gratuitement.
Enjeux et perspectives
Le pipeline de VOID apporte des informations intéressantes sur l’état de l’industrie. Pour fonctionner, l’outil s’appuie sur Gemini de Google pour analyser la scène, SAM2 de Meta pour segmenter les objets et CogVideoX d’Alibaba comme modèle de diffusion vidéo.
Netflix assemble, orchestre, publie.
C’est le modèle des frères Gallagher appliqué à la recherche fondamentale : pas besoin de tout construire, il suffit de savoir brancher les bons composants entre eux. Srinivas serait ravi.
La question qui mérite qu’on s’y attarde : «Le monde a-t-il vraiment besoin de manipulations vidéo encore plus convaincantes ?» Car VOID n’est pas seulement un outil de postproduction mais bien un outil de réécriture du réel.
Supprimer un figurant gênant d’une scène de film, c’est une chose. Supprimer un véhicule d’un accident de la route, afin d’en effacer toute trace physique, en est une autre. La technologie ne fait pas la distinction. Elle recalcule, proprement, sans laisser de couture.
Pendant des décennies, la vidéo a servi de preuve. Pas parfaite, mais difficile à falsifier à grande échelle sans laisser d’artefacts visibles.
VOID, lui, ne laisse pas de traces. Il propose une scène qui n’a jamais eu lieu, rendue indiscernable d’une scène qui a eu lieu. Dans les tribunaux, dans les rédactions, dans les archives historiques, son ombre va désormais planer.
Netflix a publié l’outil discrètement, sans fanfare ni conférence de presse. Ce qui change fondamentalement la donne, ce n’est pas la technologie elle-même mais le fait qu’elle est désormais accessible, gratuite et meilleure que ce que les startups les mieux financées du secteur ont mis des années à construire.
On a longtemps dit que voir, c’est croire.
Netflix vient de retirer le «voir» de l’équation.
Source
Je t’aime, moi non plus
Wang Xiuting a 22 ans. Elle étudie à Pékin. C’est une jeune femme branchée et, dans sa vie, elle a plusieurs petits amis.
Aucun n’existe.
Wang Xiuting utilise Wantalk, l’application du géant Baidu qui permet de configurer un compagnon virtuel selon ses préférences : valeurs, âge, physique, caractère, identité, profils de star, de PDG ou de chevalier errant…
L’IA s’adapte progressivement à son style, retient ce qu’elle lui dit et affine ses réponses. «C’est difficile de rencontrer le copain idéal dans la vraie vie», explique-t-elle. «Je n’ai pas envie de faire des efforts pour entretenir une relation sentimentale.» Sa conclusion est d’une implacable logique: «Si je peux créer un personnage virtuel qui répond exactement à mes besoins, je ne vais probablement pas choisir une personne réelle.»
Wang Xiuting n’est pas un cas isolé.
En Chine, ByteDance a lancé Doubao, Tencent possède Weiban, la startup MiniMax cartonne avec Glow. Des millions d’utilisateurs, majoritairement des femmes jeunes dans les grandes métropoles, passent une à deux heures par jour avec un compagnon qui ne se fatigue jamais, ne trompe jamais, ne rentre jamais tard et dit «je t’aime» à la demande.
Tufei, 25 ans, utilisatrice de Glow, résume : «Il sait comment parler aux femmes, mieux qu’un vrai homme.» Le contexte aide à comprendre sans tout expliquer : des villes de dix à vingt millions d’habitants, des horaires de travail qui laissent peu de place aux frictions du réel, un chômage élevé chez les jeunes, une pression sociale sur le mariage que beaucoup fuient désormais ouvertement.
Le phénomène dépasse largement les frontières de la Chine.
Replika revendique 10 millions d’utilisateurs actifs dans le monde. Aux États-Unis, un homme a confié dépenser 10 000 dollars par mois pour des petites amies IA. En Belgique, un père de famille s’est suicidé après avoir noué une relation avec un chatbot nommé Eliza.
Ces trois cas ne se ressemblent pas, mais ils partagent la même architecture : un humain qui investit émotionnellement dans un système conçu pour maximiser l’engagement, et non pour aimer en retour.
Enjeux et perspectives
Ce que les applications de compagnonnage IA ont compris, c’est que la solitude est un marché.
Un marché immense, solvable, et remarquablement peu régulé. Le modèle économique est simple : abonnement mensuel, fonctionnalités premium débloquées, conversations vocales en supplément. Plus l’utilisateur s’attache, plus il paie. La dépendance affective est devenue un produit comme un autre.
La phrase de Wang Xiuting mérite qu’on la relise lentement.
Elle ne dit pas qu’elle préfère l’IA aux hommes. Elle dit qu’elle ne veut plus faire d’efforts. C’est une déclaration sur l’épuisement, pas sur la technologie.
L’IA de compagnonnage prospère sur un terrain que la société a préparé : des individus isolés dans des métropoles gigantesques, surinformés sur ce que devrait être une relation, sous-équipés pour en supporter les imperfections. Le chatbot a simplement comblé ce vide.
La question que personne ne pose franchement : que se passe-t-il pour quelqu’un qui apprend à aimer sans jamais être vraiment aimé en retour ? Wantalk ne le dira jamais.
Ce n’est pas dans ses paramètres.
Source
App sous le radar : Google AI Edge Eloquent
Le pitch
Google vient de lancer une application de dictée vocale pour iPhone qui fait quelque chose d’étonnamment simple : elle ne retranscrit pas ce que vous dites, elle réécrit ce que vous vouliez dire. Deux modes coexistent. En local, les modèles Gemma de Google s’exécutent par défaut directement sur l’appareil, sans envoi de données vers des serveurs. En cloud, Gemini prend le relais pour un polissage plus poussé. Elle peut aussi reformuler dans un registre plus formel, générer un résumé avec les points clés, et enrichir son dictionnaire avec vos termes techniques. Gratuite, sans abonnement.
La cible
Quiconque a déjà relu une dictée vocale brute et eu honte de lui-même. Les professionnels qui jonglent entre réunions et prises de notes rapides, les créatifs qui pensent mieux à voix haute qu’au clavier, et tous ceux qui veulent capturer une idée sans s’arrêter pour la mettre en forme.
Les plus
Le traitement local est la vraie proposition de valeur : rien ne quitte votre téléphone par défaut. Dans un marché où chaque application de productivité aspire vos données vers un serveur californien, c’est une posture rare pour un produit Google. La correction est fluide et respecte le sens sans trahir le propos. La possibilité d’enrichir le dictionnaire de termes techniques est un détail qui compte dans les usages professionnels.
Les moins
L’application n’est disponible qu’en anglais et uniquement sur iPhone. La disponibilité en Europe, la Suisse comprise, est décrite comme «limitée» pour des raisons réglementaires. Google promet un déploiement élargi, sans calendrier précis. Pas de version Android annoncée à ce stade. Pour les utilisateurs francophones, c’est donc une promesse à surveiller plutôt qu’un outil immédiatement utilisable.
Verdict
Si Google tient sa promesse de traitement local en français, Eloquent deviendra l’outil de dictée que tout le monde attendait sans savoir qu’il existait. En attendant, les anglophones peuvent déjà s’en emparer. Les autres patientent.
Source
Contient le chapitre 1 en entier !
