Chronologie du développement de l’IA
De la machine de Turing aux grands modèles de langage modernes
89 événements
Théorèmes d’incomplétude de Gödel
Kurt Gödel a publié ses théorèmes d’incomplétude, démontrant que tout système formel suffisamment puissant contient des propositions qui ne peuvent être ni prouvées ni réfutées au sein de ce système. Cette découverte a non seulement bouleversé la communauté mathématique, mais a également eu des implications profondes pour la théorie du calcul et l’intelligence artificielle.
Théorie PrimitiveThèse de Church-Turing
Alonzo Church et Alan Turing ont proposé indépendamment la célèbre thèse de Church-Turing. Cette thèse affirme que toute fonction effectivement calculable est Turing-calculable. Cela formalise la notion intuitive de « calculabilité » et est devenu le fondement de l’informatique.
Théorie PrimitiveMachine de Turing
Alan Turing a introduit le concept de machine de Turing dans son article fondateur « On Computable Numbers, with an Application to the Entscheidungsproblem ». Ce modèle de calcul abstrait peut simuler tout processus mathématiquement calculable.
Théorie PrimitiveLambda-calcul
Alonzo Church a proposé le lambda-calcul, un système formel pour la définition et l’application de fonctions. Le lambda-calcul est considéré comme le fondement théorique de la programmation fonctionnelle et l’un des premiers systèmes de types.
Théorie PrimitiveModèle de Neurone
Warren McCulloch et Walter Pitts ont publié « A Logical Calculus of the Ideas Immanent in Nervous Activity », introduisant le premier modèle de neurone artificiel (neurone McCulloch-Pitts). Ce modèle simplifiait les neurones en commutateurs à seuil binaire, jetant les bases pour les recherches ultérieures sur les réseaux de neurones.
Théorie PrimitiveCybernétique
Norbert Wiener a publié « Cybernetics: Or Control and Communication in the Animal and the Machine », fondant la nouvelle discipline de la cybernétique. L’étude de la manière dont les systèmes se régulent par des mécanismes de rétroaction a eu un impact profond sur l’IA et la robotique.
Théorie PrimitiveThéorie de l’Information de Shannon
Claude Shannon a publié « A Mathematical Theory of Communication », jetant les bases de la théorie de l’information. Des concepts comme l’entropie, le codage et la quantité d’information sont devenus des outils centraux pour comprendre les données et traiter l’information.
Théorie PrimitiveTest de Turing
Dans « Computing Machinery and Intelligence », Turing remplaça l’ambiguë question « Les machines peuvent-elles penser ? » par le jeu de l’imitation, où un interrogateur tente, par un échange écrit, de distinguer une machine d’un humain. Il s’agit d’un critère comportemental, non d’une preuve de conscience.
Théorie PrimitiveLa proposition de Dartmouth de 1955
En 1955, John McCarthy, Marvin Minsky, Nathaniel Rochester et Claude Shannon employèrent le terme « artificial intelligence » dans la proposition du Dartmouth Summer Research Project et définirent un programme de recherche pour l’été 1956.
Théorie PrimitiveConférence de Dartmouth
L’atelier de Dartmouth de l’été 1956 contribua à établir le nom « artificial intelligence » et son programme de recherche comme identité d’un nouveau domaine universitaire ; le terme figurait déjà dans la proposition de 1955.
Naissance de l’IALogic Theorist
Allen Newell et Herbert Simon ont développé le « Logic Theorist », l’un des premiers programmes d’IA fonctionnels. Ce programme pouvait prouver des théorèmes des Principia Mathematica et est souvent cité parmi les premiers programmes d’IA. Newell et Simon ont reçu le prix Turing en 1975.
Naissance de l’IAPerceptron
Frank Rosenblatt a proposé le modèle Perceptron, un modèle précurseur de réseau de neurones artificiels. Le Perceptron est un classificateur binaire linéaire simple qui apprend à classifier les données d’entrée en ajustant les poids.
Naissance de l’IALangage Lisp
John McCarthy a développé Lisp au MIT, l’un des premiers langages de haut niveau étroitement associés à la recherche en IA. La flexibilité de Lisp et sa puissance de traitement symbolique en ont fait le langage de prédilection pour la recherche en IA.
Naissance de l’IAGeneral Problem Solver
Newell et Simon ont développé le General Problem Solver (GPS), le premier programme d’IA tentant de simuler la résolution de problèmes par l’humain. Le GPS décomposait la résolution de problèmes en décomposition d’objectifs et recherche de sous-objectifs.
Naissance de l’IAThéorème de Convergence du Perceptron
Frank Rosenblatt a démontré la propriété de convergence de l’algorithme d’apprentissage du perceptron, montrant que si les données sont linéairement séparables, le perceptron convergera assurément.
Naissance de l’IAPremier Robot Industriel
Unimate est devenu le premier robot à travailler sur une chaîne de montage. En 1961, General Motors l’a installé dans son usine de Trenton, dans le New Jersey, pour décharger une machine de moulage sous pression, en retirant les pièces coulées encore chaudes. Unimation a construit ces machines pour des tâches difficiles, dangereuses ou monotones pour les personnes.
Naissance de l’IAPerception mécanique des solides tridimensionnels
Dans sa thèse de doctorat au MIT en 1963, Larry Roberts décrivait un système interprétant à partir d’images des scènes composées de polyèdres simples, une base importante des débuts de la vision tridimensionnelle par ordinateur.
Naissance de l’IALancement de Project MAC
Le MIT lança Project MAC en 1963 sous la direction de Robert Fano pour étudier le temps partagé, le calcul et la cognition assistée par machine. Le projet d’intelligence artificielle du MIT, fondé en 1959, y participa ensuite ; il ne s’agissait pas d’un seul laboratoire fondé en 1959.
Naissance de l’IAELIZA
Joseph Weizenbaum a créé ELIZA au MIT, l’un des premiers chatbots. ELIZA simulait une conversation de psychothérapeute par la reconnaissance de motifs, suscitant une profonde réflexion sur l’interaction homme-machine.
Naissance de l’IARobot Shakey
SRI International a développé Shakey, l’un des premiers robots mobiles autonomes capable de percevoir son environnement, de planifier des trajectoires et d’exécuter des tâches. Shakey combinait vision par ordinateur, traitement du langage naturel et algorithmes de planification.
Naissance de l’IACritique de Minsky-Papert
Marvin Minsky et Seymour Papert publièrent « Perceptrons », une analyse rigoureuse de ce que les perceptrons monocouches peuvent ou non représenter. L’ouvrage est souvent associé au recul ultérieur de l’intérêt pour les réseaux neuronaux, mais les changements de financement tenaient aussi aux limites de calcul, aux attentes déçues et à des décisions politiques plus larges.
Hiver de l’IAThéorie des Cadres
Marvin Minsky a publié le « Frame Paper », proposant la théorie des cadres pour la représentation des connaissances. Cette théorie a influencé la programmation orientée objet ultérieure et les méthodes de représentation des connaissances.
Naissance de l’IANaissance de Prolog
Alain Colmerauer, Philippe Roussel et leurs collaborateurs développèrent à Marseille la première version de Prolog, appliquant la logique des prédicats à la programmation et faisant progresser la programmation logique et l’IA symbolique.
Hiver de l’IARapport Lighthill
Le scientifique britannique James Lighthill a soumis un rapport pessimiste sur la recherche en IA au gouvernement du Royaume-Uni, entraînant des réductions significatives des financements.
Hiver de l’IASystème Expert MYCIN
L’Université Stanford a développé MYCIN, un système expert pour le diagnostic médical. Il a démontré la praticité des systèmes experts, bien qu’il n’ait jamais été utilisé en clinique en raison de problèmes de responsabilité.
Hiver de l’IASystème Expert XCON
DEC a déployé XCON (eXpert CONfigurer), un système expert pour la configuration des systèmes informatiques VAX. XCON fut le premier système expert à succès commercial, économisant des millions par an à l’entreprise.
Hiver de l’IAPremier Hiver de l’IA
Après des évaluations critiques et des réductions de financement dans les années 1970, une partie de la recherche en IA a connu un recul. Le « premier hiver de l’IA » est une périodisation rétrospective dont la date et l’intensité varient selon les pays et les domaines.
Hiver de l’IAFGCS Japonais
Le Japon a annoncé le projet de Cinquième Génération d’Ordinateurs (FGCS), un projet de 10 ans visant à développer des ordinateurs capables de raisonnement logique et de traitement des connaissances.
Hiver de l’IAAlgorithme de Rétropropagation
David Rumelhart, Geoffrey Hinton et Ronald Williams ont publié leurs travaux sur l’algorithme de rétropropagation, rendant possible l’entraînement de réseaux de neurones multicouches.
Hiver de l’IADébut du Deuxième Hiver de l’IA
Avec l’essor des ordinateurs personnels, le marché coûteux des machines Lisp s’est effondré. De nombreuses entreprises d’IA ont de nouveau fait faillite.
Hiver de l’IAEssor des Méthodes Statistiques
Dans les années 1990, les méthodes statistiques ont commencé à dominer la recherche en IA. Les modèles de Markov cachés (HMM) en reconnaissance vocale, le Naive Bayes et les arbres de décision en apprentissage automatique ont tous obtenu de bons résultats.
Le RenouveauIA dans la Guerre du Golfe
L’armée américaine a utilisé des systèmes de planification et de logistique basés sur l’IA lors de la Guerre du Golfe, démontrant le potentiel de l’IA dans les applications réelles.
Hiver de l’IANaissance du World Wide Web
Tim Berners-Lee a créé le World Wide Web. La prolifération d’Internet a transformé le mode de vie humain et a fourni à l’IA des ressources de données sans précédent.
Le RenouveauFin du Deuxième Hiver
À mesure que la technologie mûrissait et que les applications commerciales se multipliaient, l’IA a commencé à sortir de l’hiver. Le renouveau des réseaux de neurones et l’essor des méthodes statistiques ont posé les fondations d’une nouvelle ère.
Hiver de l’IAMachine à Vecteurs de Support
Vladimir Vapnik et al. ont proposé la Machine à Vecteurs de Support (SVM), une méthode puissante de classification et de régression. La SVM a obtenu d’excellentes performances en classification de textes et en reconnaissance d’écriture manuscrite.
Le RenouveauDeep Blue contre Kasparov
Deep Blue d’IBM a vaincu le champion du monde d’échecs Garry Kasparov, démontrant la capacité de l’IA à surpasser les capacités humaines dans des tâches bien définies.
Hiver de l’IAMémoire à Court Terme Long (LSTM)
Sepp Hochreiter et Jürgen Schmidhuber ont proposé le LSTM, un type spécial de RNN capable d’apprendre des dépendances à long terme. Le LSTM a connu un grand succès en reconnaissance vocale et en modélisation du langage.
Le RenouveauLeNet-5
Yann LeCun a développé LeNet-5, un CNN pour la reconnaissance de chiffres manuscrits. LeNet-5 fut le premier modèle d’apprentissage profond commercialisé avec succès, utilisé par le service postal américain pour la reconnaissance des codes ZIP.
Le RenouveauModèle de langage neuronal probabiliste
Yoshua Bengio, Réjean Ducharme, Pascal Vincent et Christian Jauvin ont proposé un modèle neuronal probabiliste apprenant conjointement des représentations distribuées des mots et les probabilités des séquences afin d’atténuer le fléau de la dimension. Le réseau est à propagation avant, et non récurrent.
Le RenouveauProgramme CIFAR de calcul neuronal
À partir de 2004, un programme du CIFAR a réuni régulièrement Geoffrey Hinton, Yann LeCun, Yoshua Bengio et leurs collaborateurs. Il a favorisé les recherches qui ont contribué au renouveau de l’apprentissage profond, sans en constituer un point de départ unique.
Le RenouveauRéseaux de Croyance Profonds
Geoffrey Hinton a proposé les Réseaux de Croyance Profonds (DBN), le premier réseau de neurones profond entraîné avec succès. Hinton a introduit le « pré-entraînement couche par couche » pour résoudre les difficultés d’entraînement.
Le RenouveauGPU pour l’Apprentissage Profond
Les chercheurs ont commencé à utiliser les GPU pour accélérer l’entraînement de l’apprentissage profond. Le calcul parallèle des GPU a rendu possible l’entraînement de grands réseaux de neurones.
Le RenouveauJeu de Données ImageNet
L’équipe ImageNet publia en 2009 son article sur une grande base d’images hiérarchique organisée avec WordNet. ImageNet et son défi de reconnaissance devinrent une infrastructure majeure pour l’entraînement et l’évaluation à grande échelle.
Le RenouveauPercée en Reconnaissance Vocale
Google a utilisé des modèles d’apprentissage profond pour réduire le taux d’erreur de reconnaissance vocale de 25 %. Ce fut la première percée majeure de l’apprentissage profond en reconnaissance vocale.
Le RenouveauPercée ImageNet
L’équipe d’Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton a utilisé AlexNet dans la compétition ImageNet, remportant la victoire avec une avance écrasante. Le taux d’erreur est passé de 26 % à 15 %.
Le RenouveauWord2Vec
Tomas Mikolov a publié Word2Vec, un modèle de réseau de neurones pour l’apprentissage de plongements lexicaux. Word2Vec a permis aux ordinateurs de comprendre les relations sémantiques entre les mots.
Le RenouveauRéseaux Antagonistes Génératifs (GAN)
Ian Goodfellow a proposé les GAN, l’une des innovations les plus importantes de l’apprentissage profond. Les GAN génèrent des images extrêmement réalistes par entraînement antagoniste.
Le RenouveauResNet
Kaiming He et al. ont proposé ResNet, résolvant la difficulté d’entraînement des réseaux profonds grâce aux connexions résiduelles. ResNet a permis l’entraînement de centaines de couches.
Le RenouveauAlphaGo Vainc Lee Sedol
AlphaGo de DeepMind a vaincu le champion du monde de Go Lee Sedol 4-1. Le Go était considéré comme l’un des jeux de société les plus difficiles pour l’IA.
Le RenouveauArchitecture Transformer
Google a proposé l’architecture Transformer, une percée révolutionnaire en TALN. Le Transformer est le fondement des grands modèles de langage modernes.
Le RenouveauSortie de GPT-3
OpenAI a sorti GPT-3, un grand modèle de langage avec 175 milliards de paramètres. GPT-3 a démontré des capacités de génération de langage étonnantes, suscitant un large débat sur l’IA générale.
L’Ère des LLMDALL-E et CLIP
OpenAI a sorti DALL-E (génération d’images) et CLIP (apprentissage contrastif image-texte). Ces modèles ont démontré la capacité de l’IA à comprendre et générer du contenu multimodal.
L’Ère des LLMCodex et GitHub Copilot
OpenAI a sorti Codex, un modèle d’IA qui comprend et génère du code. GitHub Copilot est devenu le premier assistant de programmation IA largement utilisé.
L’Ère des LLMSortie de ChatGPT
En novembre 2022, OpenAI a sorti ChatGPT, la première IA conversationnelle destinée au grand public. ChatGPT a atteint 100 millions d’utilisateurs en deux mois, devenant le produit grand public à la croissance la plus rapide de l’histoire.
L’Ère des LLMStable Diffusion en Open Source
Stability AI a publié Stable Diffusion, un modèle de génération d’images open source. L’activité de la communauté open source a rapidement popularisé la technologie de génération d’images.
L’Ère des LLMSortie de GPT-4
OpenAI a sorti GPT-4, un modèle multimodal capable de traiter des images et du texte. GPT-4 a montré des performances proches de celles des humains sur des benchmarks professionnels et académiques.
L’Ère des LLMSortie de Claude
Anthropic a sorti Claude, un assistant IA axé sur la sécurité et l’utilité. La conception de Claude reflète l’accent mis sur la sécurité de l’IA — l’IA doit être utile, inoffensive et honnête.
L’Ère des LLMLLaMA en Open Source
Meta a publié LLaMA, un grand modèle de langage sous licence de recherche non commerciale. Bien que LLaMA ait une taille de paramètres relativement petite, ses excellentes performances ont promu le développement des LLM à poids ouverts.e.
L’Ère des LLMMontée du Concept d’Agent IA
Le concept d’Agent IA a commencé à recevoir une attention considérable. Les Agents sont des systèmes d’IA capables de planifier et d’exécuter de manière autonome des tâches complexes.
L’Ère des LLMGemini 1.5 et le contexte long
En février 2024, Google a présenté Gemini 1.5, doté d’une architecture à mélange d’experts et d’une fenêtre de contexte expérimentale allant jusqu’à un million de jetons.
L’Ère des LLMSérie Claude 3
Anthropic a sorti la série Claude 3, comprenant Opus, Sonnet et Haiku. Claude 3 Opus a été compétitif avec GPT-4 sur plusieurs benchmarks dont MMLU et GPQA, tout en restant en retrait sur d’autres.
L’Ère des LLMLlama 3 en open source
Meta a sorti la famille Llama 3 avec des poids ouverts, incluant des modèles à 8 et 70 milliards de paramètres. Le Llama 3.1 405B ultérieur fut le premier modèle à poids ouverts à égaler les modèles closed-source de pointe sur les benchmarks courants.urrents closed source sur les benchmarks courants.
L’Ère des LLMLoi européenne sur l’IA adoptée
L’Union européenne a adopté la loi sur l’IA, première régulation horizontale d’envergure de l’intelligence artificielle. La loi a établi une classification basée sur les risques et des exigences strictes pour les systèmes d’IA à haut risque.
L’Ère des LLMModèle OpenAI o1
OpenAI a sorti le modèle o1, un grand modèle doté de capacités de raisonnement. o1 obtient d’excellentes performances sur les tâches scientifiques et de programmation, démontrant une capacité de « réflexion ».
L’Ère des LLMBêta publique de computer use pour Claude
En octobre 2024, Anthropic a lancé la bêta publique de computer use pour une version améliorée de Claude 3.5 Sonnet, permettant aux développeurs de lui faire observer un écran, déplacer le curseur, cliquer et saisir du texte.
L’Ère des LLMSortie du Protocole MCP
Anthropic a sorti le MCP (Model Context Protocol), un protocole standard ouvert pour connecter les modèles d’IA aux outils et sources de données externes. Le MCP devient le « USB-C » des applications IA.
L’Ère des LLMMaturité de l’écosystème des agents
En 2025, les agents IA sont passés du démonstrateur de recherche à l’outil de production. Les agents de codage, les agents de navigation et les agents multi-étapes sont devenus des offres standard, avec OpenAI, Anthropic, Google et des projets open source livrant tous des systèmes compétents.
L’Ère des LLMSortie de DeepSeek R1
Le laboratoire chinois DeepSeek a sorti R1, un modèle de raisonnement open source dont les performances rivalisaient avec o1 d’OpenAI. Cette sortie a démontré que les capacités de pointe pouvaient être atteintes hors du giron de l’IA américaine et a déclenché une réévaluation mondiale de la concurrence en IA.
L’Ère des LLMLancement du projet Stargate
OpenAI, Oracle, SoftBank et MGX des Émirats arabes unis ont annoncé conjointement un investissement de 500 milliards de dollars pour construire des infrastructures d’IA aux États-Unis. Le projet prévoit la construction de plusieurs grands centres de données sur quatre ans, le plus grand investissement du secteur privé dans l’histoire de l’IA.
L’Ère des LLMSortie de Claude 3.7 Sonnet
Anthropic a sorti Claude 3.7 Sonnet, le premier modèle à prendre en charge le « raisonnement hybride »—les utilisateurs peuvent basculer entre réponses instantanées et réflexion approfondie dans le même modèle. Claude 3.7 marque le début de la consolidation des formes de produits d’IA pour le raisonnement.
L’Ère des LLMAnthropic lève 3,5 milliards de dollars
En mars 2025, Anthropic a annoncé une levée de fonds de 3,5 milliards de dollars à une valorisation de 61,5 milliards de dollars, devenant l’une des startups d’IA les plus valorisées au monde et reflétant la concentration accrue du capital dans l’industrie de l’IA.
L’Ère des LLMSortie open source de Llama 4
Meta a publié les modèles multimodaux à poids ouverts Llama 4 Scout et Maverick, et présenté Behemoth, un modèle enseignant encore en cours d’entraînement et non publié.
L’Ère des LLMSortie de Claude 4
Anthropic a sorti la famille Claude 4 (Opus 4 et Sonnet 4), introduisant la capacité de « réflexion étendue » (Extended Thinking) avec des améliorations significatives en programmation, raisonnement et tâches de longue durée. Claude 4 a consolidé la position d’Anthropic sur le marché de l’IA en entreprise.
L’Ère des LLMDébut d’application des obligations GPAI de l’AI Act
Le 2 août 2025, les règles de gouvernance et les obligations visant les modèles d’IA à usage général sont devenues applicables. D’autres dispositions suivent des calendriers distincts : il ne s’agit pas du début global de toute l’exécution.
L’Ère des LLMSortie de GPT-5
OpenAI a sorti GPT-5, un modèle phare unifié intégrant les capacités de raisonnement de la série o avec les capacités conversationnelles de la série GPT. GPT-5 établit une nouvelle frontière en programmation, mathématiques et raisonnement, tout en supportant des contextes plus longs et l’utilisation d’outils.
L’Ère des LLMOpenAI achève sa recapitalisation
OpenAI a achevé la recapitalisation de sa structure. L’activité à but lucratif est devenue une public benefit corporation nommée OpenAI Group PBC, et la OpenAI Foundation, entité à but non lucratif, continue de la contrôler avec la même mission. Selon OpenAI, la recapitalisation fait suite à près d’un an d’échanges avec les procureurs généraux de Californie et du Delaware.
L’Ère des LLMLes agents entrent dans les produits d’entreprise livrés
Au premier semestre 2026, les capacités agentiques sont sorties de la démonstration pour entrer dans les produits d’entreprise livrés : les agents de développement, de support et d’automatisation bureautique sont devenus des fonctions documentées, et l’infrastructure d’appel d’outils et de collaboration multi-agents a mûri autour d’eux. L’ampleur réelle de l’adoption n’est pas tranchée. Les enquêtes publiées donnent des taux de mise en production très différents parce qu’elles ne s’accordent pas sur ce qui compte comme un agent ; cette entrée consigne donc une direction et non un niveau.
L’Ère des LLMLes modèles à poids ouverts publient à l’échelle de la frontière
Au premier semestre 2026, les publications à poids ouverts de DeepSeek, Alibaba Qwen, Moonshot, Zhipu et Meta ont atteint une échelle jusque-là réservée aux systèmes fermés, avec des poids et des fiches de modèle téléchargeables et non simplement décrits. Savoir si l’un d’eux égale la frontière fermée dépend de l’indice de référence retenu et de sa pondération ; cette entrée consigne donc ce qui a été publié et sous quelle licence, non un classement.
L’Ère des LLMNature publie le système multi-agents Co-Scientist
Nature a publié Co-Scientist, un système multi-agents fondé sur Gemini qui formule des hypothèses de recherche inédites destinées à une vérification expérimentale. L’article rend compte d’une validation dans trois applications biomédicales : le repositionnement de médicaments, la découverte de nouvelles cibles et l’explication des mécanismes de résistance aux antimicrobiens. Les auteurs le présentent comme un assistant des chercheurs et non comme un remplaçant, ce qui en fait une preuve évaluée par les pairs d’une IA participant à la formulation d’hypothèses et non seulement à l’analyse.
L’Ère des LLMMeta commence à dénouer l’intégration de Manus
Selon un article du 11 juin 2026, Meta a commencé à dénouer l’intégration de son acquisition de Manus, en arrêtant le partage de données et en séparant les opérations. L’article relie cette décision à des exigences réglementaires chinoises ; le statut juridique et opérationnel ultérieur doit être vérifié dans les informations actualisées.
L’Ère des LLMClaude Fable 5 et Mythos 5 suspendus puis redéployés
Anthropic a lancé le 9 juin 2026 Fable 5, doté de garde-fous pour le grand public, et Mythos 5 pour les partenaires contrôlés de Project Glasswing. Les contrôles américains du 12 juin imposant des restrictions aux ressortissants étrangers, Anthropic a suspendu les deux modèles dans le monde faute de pouvoir vérifier la nationalité en temps réel. Après la levée des contrôles le 30 juin, Fable 5 est revenu mondialement le 1er juillet et Mythos 5 d’abord auprès d’organisations américaines approuvées.
L’Ère des LLMEnquête conjointe des procureurs généraux américains contre OpenAI
Le 13 juin 2026, une coalition de procureurs généraux d’États américains, conduite par celui de l’État de New York, a ouvert une enquête sur OpenAI et lui a adressé une assignation à comparaître. Celle-ci réclame des documents relatifs au placement publicitaire, à l’engagement et à la rétention des utilisateurs, à la tendance du modèle à la complaisance, au traitement des données de consommation et de santé, ainsi qu’à la protection des mineurs et des personnes âgées. OpenAI a déclaré coopérer avec les procureurs et souligné que ChatGPT offrait déjà des mécanismes de protection renforcés pour les mineurs. Il s’agit de la première investigation systématique engagée par des autorités étatiques américaines à l’encontre d’une grande entreprise d’IA.
L’Ère des LLMOpenAI limite le déploiement de GPT-5.6 à la demande du gouvernement américain
Le 26 juin 2026, à la demande du gouvernement américain, OpenAI a lancé un aperçu limité de GPT-5.6 Sol, Terra et Luna auprès de quelques partenaires de confiance. La famille GPT-5.6 est devenue généralement disponible le 9 juillet ; OpenAI a indiqué que cette procédure limitée ne devait pas devenir la norme.
L’Ère des LLMSamsung et SK Hynix annoncent de grands plans pluriannuels pour la mémoire
Le 29 juin 2026, Samsung et SK Hynix ont annoncé des plans pluriannuels totalisant 800 000 milliards de wons et comprenant quatre fabs mémoire dans le sud-ouest coréen. La conversion en dollars varie avec le change, et le périmètre, les autorisations et l’exécution restent à suivre.
L’Ère des LLMGemini Spark arrive sur Mac comme assistant agentique
Le 1er juillet 2026, Google a lancé Gemini Spark — son assistant IA agentique 24h/24 — sur macOS, avec suivi en temps réel et une intégration applicative élargie. Spark agit de manière persistante sur la vie numérique de l’utilisateur, marquant la volonté de Google d’amener l’IA agentique sur le bureau grand public.
L’Ère des LLMMoonshot publie les poids ouverts de Kimi K3
En juillet 2026, Moonshot AI a publié sur Hugging Face les poids ouverts de Kimi K3. La fiche du modèle indique 2 800 milliards de paramètres au total, dont 104 milliards activés, une fenêtre de contexte de 1 048 576 jetons et la licence Kimi K3. Il s’agit du plus grand modèle de langage librement téléchargeable publié à ce jour, et il place un laboratoire asiatique à la frontière des publications à poids ouverts.
L’Ère des LLMCloudflare classe les robots IA selon leur usage
Le 1er juillet 2026, Cloudflare a annoncé des contrôles séparés pour les usages Search, Agent et Training. Dès le 15 septembre, les nouveaux domaines bloqueront par défaut Training et Agent sur les pages publicitaires tout en autorisant Search ; les propriétaires peuvent modifier ces choix et la règle la plus stricte s’applique aux robots polyvalents.
L’Ère des LLMMicrosoft lance une société de déploiement IA à 2,5 milliards de dollars
Le 2 juillet 2026, Microsoft a annoncé la création de Microsoft Frontier Company, une nouvelle activité opérationnelle dédiée au déploiement de l’IA en entreprise à partir des outils IA existants de Microsoft. Le projet bénéficie d’un investissement de 2,5 milliards de dollars de Microsoft et de 6 000 experts industriels et techniques — rejoignant Amazon et OpenAI dans la création d’une organisation dédiée au déploiement de l’IA.
L’Ère des LLMLe règlement européen sur l’IA devient pleinement applicable
Le 2 août 2026, le règlement européen sur l’IA est devenu pleinement applicable, le Bureau de l’IA et les autorités nationales prenant en charge sa mise en œuvre, sa supervision et son exécution. La même révision a reporté les obligations à haut risque les plus lourdes : les systèmes autonomes de l’annexe III s’appliquent à partir du 2 décembre 2027 et l’IA intégrée aux produits réglementés à partir du 2 août 2028. Les pratiques interdites s’appliquaient déjà depuis le 2 février 2025 et les obligations relatives aux modèles à usage général depuis le 2 août 2025.
L’Ère des LLM